WO2006085537A1 - 信号分離装置、信号分離方法、信号分離プログラム及び記録媒体 - Google Patents

信号分離装置、信号分離方法、信号分離プログラム及び記録媒体 Download PDF

Info

Publication number
WO2006085537A1
WO2006085537A1 PCT/JP2006/302092 JP2006302092W WO2006085537A1 WO 2006085537 A1 WO2006085537 A1 WO 2006085537A1 JP 2006302092 W JP2006302092 W JP 2006302092W WO 2006085537 A1 WO2006085537 A1 WO 2006085537A1
Authority
WO
WIPO (PCT)
Prior art keywords
signal
vector
frequency
unit
normalization
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2006/302092
Other languages
English (en)
French (fr)
Inventor
Hiroshi Sawada
Shoko Araki
Ryo Mukai
Shoji Makino
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Inc
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2006520556A priority Critical patent/JP4406428B2/ja
Priority to EP06713235A priority patent/EP1752969A4/en
Priority to US10/594,983 priority patent/US7647209B2/en
Priority to CN200680000135.1A priority patent/CN1942932B/zh
Publication of WO2006085537A1 publication Critical patent/WO2006085537A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0272—Voice signal separating
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
    • G06F18/21347—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis using domain transformations
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
    • G10L2021/02165—Two microphones, one receiving mainly the noise signal and the other one mainly the speech signal

Definitions

  • Signal separation apparatus signal separation method, signal separation program, and recording medium
  • the present invention belongs to the technical field of signal processing, and particularly relates to a technique for extracting a source signal from a mixed signal obtained by mixing a plurality of source signals in a space.
  • a beamformer also called beamforming
  • beamforming is widely known as a conventional technique for extracting a signal by using a plurality of sensors and suppressing other signals (for example, beamforming) (for example, Non-patent document 1).
  • beamforming for example, Non-patent document 1
  • the beamformer requires information on the direction of the target signal, there is a drawback that it is difficult to use in situations where such information cannot be obtained (or cannot be estimated).
  • BSS blind signal separation
  • t indicates the sampling time.
  • S (t) is the sampling The source signal generated at the time t is shown, and X (t) shows the signal observed by the sensor q at the sampling time t.
  • R indicates the variable for sweeping.
  • the general impulse response h (r) has a strong pulse-like response after a suitable time and decays with time.
  • the purpose of blind signal separation is to determine the source signals s (t), ⁇ , s (t) and
  • the purpose is to obtain the separated signals y (t), ⁇ , y (t) corresponding to N ⁇ respectively.
  • the separation operation is performed in the frequency domain.
  • an L-point short-time Fourier transform STFT
  • STFT L-point short-time Fourier transform
  • r -L / 2.
  • f is the frequency and is discretized as M
  • f / lv'- f (L-l) / L
  • ⁇ is discrete time and j is an imaginary unit.
  • G (r) is the window function. Examples of window functions include Hayung
  • Equation 3 Use a window function with the center of power at g (0).
  • the source signal s (t) is subjected to a short-time discrete Fourier transform.
  • T is a vector that summarizes the frequency response from the signal source k to each sensor.
  • W T represents the transposed vector of W.
  • ICA independent component analysis
  • each element of T (separation signal) Y (f, T), ..., Y Te) is calculated as will be independent of each other
  • the permutation problem is the separation signal Y (f k P corresponding to the same source signal S (f, ⁇ ).
  • Non-Patent Document 5 information on the position of the signal source (direction and distance ratio) is estimated based on the positions of the two selected sensors (sensor pairs). By integrating the estimated values of multiple sensor pairs, more detailed position information can be obtained. Then, the estimated values as the position information are clustered, and the estimated values belonging to the same cluster are regarded as corresponding to the same signal source to solve the permutation problem.
  • This method is an effective signal separation and extraction method even when the number of signal sources N and the number of sensors M are in the relationship of M ⁇ N.
  • the mixed signal vector is clustered with appropriate features, and the mixed signal X (f, ⁇ ) corresponding to the time frequency (f, ⁇ ) of each cluster C member is extracted.
  • each signal is separated and extracted.
  • X (f, ⁇ ) is one of the mixed signals, Q ' ⁇ ⁇ 1,, ⁇ , ⁇ .
  • Equation 8 You can use the one generated like otnerwise.
  • ⁇ gives the range of signal extraction. In this method, if ⁇ is reduced, good separation and extraction performance can be obtained, but nonlinear distortion increases. When ⁇ is increased, nonlinear distortion decreases, but the separation performance deteriorates.
  • phase difference (equation (8)) of the mixed signal and the gain ratio between the two sensors (sensor q and reference sensor Q).
  • X Q (f, TE) may be used.
  • Non-Patent Document 1 B. D. Van Veen and K. M. Buckley, Beamforming: a versatile approa ch to spacial filtering, "IEEE ASSP Magazine, pp. 4-24, April 1988
  • Non-Patent Document 2 S. Haykin, eds, "Unsupervised Adaptive Filtering,” John-Wiley & Sons, 2000, ISBN 0-471-29412-8
  • Non-Patent Document 3 S. Araki, S. Makino, A. Blin, R. Mukai, and H. Sawada, "Underdeterm ined blind separation for speech in real environments with sparseness and ICA, in P roc. ICASSP 2004, vol. Ill, May 2004, pp. 881-884
  • Non-Patent Document 4 A. Hyvarinen and J. Karhunen and E. Oja, “Independent Component Analysis,” John Wiley & Sons, 2001, ISBN 0-471-40540
  • Non-Patent Document 5 R. Mukai, H. Sawada, S. Araki and S. Makino, "Frequency Domain Bland Source Separation using Small and Large Spacing Sensor Pairs, in Proc. Of ISCA S 2004, vol. V, pp. 1-4, May 2004.
  • Non-Patent Document 6 R.O.Duda, P.E.Hart, and D.G.Stork, Pattern Classification, Wile y Interscience, 2nd edition, 2000
  • the conventional technique described above has a problem that the signal separation processing cannot be performed easily and efficiently using the information obtained by the observation signal force obtained by a plurality of sensors.
  • the basic of the blind signal separation process is to separate the mixed signal observed by the sensor and output a plurality of separated signals.
  • the target signal may be included in only some of the separated signals, not all of which are important. In such a case, it is necessary to select a separation signal that includes the target signal, but conventional blind signal separation does not provide information on which separation signal includes the target signal. Therefore, it must be determined by some other means which separated signal contains the target signal! /.
  • the present invention has been made in view of the above points, and is a technology capable of performing signal separation processing by using information obtained by a plurality of sensors easily and efficiently. The purpose is to provide.
  • the frequency domain conversion unit converts the mixed signal observed by a plurality of sensors into a mixed signal in the frequency domain.
  • the normalizing unit normalizes the complex vector generated using the mixed signal in the frequency domain, and generates a normalized vector that excludes the frequency dependence of the complex vector.
  • the clustering force is clustered to generate a cluster. Then, signal separation processing is performed using this cluster.
  • each cluster is formed based on information depending on the position of each signal source. Accordingly, in the present invention, signal separation processing without using strict position information of each sensor becomes possible.
  • the normal part is a first normal part that normalizes the declination of each element of the complex vector with reference to one specific element of the complex vector.
  • a second normalization unit that divides the declination of each element normalized by the first normal part by a value proportional to the frequency.
  • the normal part is a third normal part that normalizes the norm of the vector composed of each element normalized by the second normalizing part to a predetermined value. It has further.
  • These normalized complex vectors form a cluster depending on the position of the signal source.
  • the clustering process is simplified by normalizing the norm of the vector that also has each element force that has been second normalized.
  • the frequency domain converter converts the mixed signal observed by the plurality of sensors into a mixed signal in the frequency domain.
  • a separation matrix calculation unit calculates a separation matrix for each frequency using a mixed signal in the frequency domain, and an inverse matrix calculation unit calculates a general matrix ⁇ inverse matrix of the separation matrix.
  • the basis vector normalization unit normalizes the basis vectors constituting the generalized inverse matrix and calculates a normalized basis vector.
  • the clustering unit force normal ⁇ basis vectors are clustered to generate clusters.
  • the permutation calculation unit calculates a permutation for rearranging the elements of the separation matrix using the cluster center vector and the normal ⁇ basis vector.
  • the basis vector is a concept included in the complex vector.
  • basis vectors are normalized and clustered to calculate a permutation for solving the permutation problem. Therefore, it is not necessary to obtain sensor position information in advance for this clustering. Further, in the present invention, clustering is performed on all elements of the normal ⁇ basis vector, and the result is used. Calculate permutations for solving permutation problems. Therefore, no operation is required to integrate the estimation results as before.
  • the basis vector normalization unit performs normalization that eliminates frequency dependence of the basis vectors. More preferably, the normalization that excludes the frequency dependence of the base vector normalizes the declination of each element of the base vector with reference to one specific element included in the base vector, and It is a regularity that divides the declination of an element by a value proportional to the frequency. Such regularity makes it possible to form clusters depending on the position of the signal source.
  • J 1 4fc- This is a normal key that performs the operation of d.
  • exp is the Napier number
  • arg ['] is the declination
  • f is the frequency
  • j is the imaginary unit
  • c is the signal transmission speed
  • Q is a reference value selected from natural numbers less than or equal to M
  • d is a real number. That is, the normality ⁇ performed by the calculation of Equation (10) normalizes the declination of each element of the base vector with reference to one specific element included in the base vector, and further deviates the declination of each element. Is a normalization that divides by a value proportional to the frequency. This regularity eliminates the dependence on frequency. In addition, the normalization does not require strict sensor location information.
  • the real number d in the above equation (10) is the reference sensor Q corresponding to the element A (f) and other sensors.
  • the maximum distance d is desirable. Do clustering accuracy generally improve max
  • the basis vector is normalized to a frequency normalization vector that does not depend on frequency
  • the frequency normality vector is normalized to a normalization basis vector whose norm takes a specified value.
  • the normalized basis vector generated by the above two-step normalization does not depend on the frequency but depends only on the position of the signal source. Norm's Normalization can simplify the clustering process.
  • the permutation is calculated using the envelope of the separated signal (the envelope of the absolute value of the separated signal), the center vector of the cluster, and the normal ⁇ ⁇ ⁇ ⁇ basis vector.
  • the frequency domain converter converts the mixed signal observed by a plurality of sensors into a mixed signal in the frequency domain, and the signal separator uses the mixed signal in the frequency domain for each frequency. A separation matrix and a separation signal are calculated. Then, the target signal selection unit selects a signal including the target signal from the plurality of separated signals as a selection signal.
  • the procedure is to normalize the basis vectors that are columns of the generalized inverse matrix of the separation matrix, cluster the normalized basis vectors, and determine the selection signal using the variance of the clusters as an index. It is. If the separation matrix is a square matrix, the “general ⁇ inverse matrix” corresponds to the inverse matrix. That is, the general inverse matrix here is a concept including a normal inverse matrix.
  • cluster dispersion By using cluster dispersion as an index, a signal close to the sensor can be positioned as a target signal, and a separation signal including such target signal can be selected as a selection signal.
  • normalization of basis vectors means that when a convolution mixture of signals emitted from a plurality of signal sources is approximated to a predetermined model (for example, a near field model), This is done to form clusters that depend only on the position.
  • a predetermined model for example, a near field model
  • a selection signal including a target signal that is a signal close to the sensor is extracted using the magnitude of cluster dispersion as an index.
  • the number of interference signals that can be completely suppressed by the above processing is as follows. Up to the number of sensors minus one. In other words, if the number of interfering signals is more than that, residual components that cannot be suppressed remain. Therefore, preferably in the present invention, the mask generation unit further generates a time-frequency mask using the mixed signal and the basis vector in the frequency domain, and the masking unit generates the selected selection signal as the time-frequency mask. Apply to. As a result, even when the number of signal sources is larger than the number of sensors, the interference signal remaining in the selected signal can be suppressed better.
  • ICA independent component analysis
  • the mask generation unit generates a whitening matrix using the frequency domain mixed signal, and uses the whitening matrix to mix the frequency domain mixed signal as an element.
  • the whitened mixed signal vector obtained by converting the signal vector and the whitened basis vector obtained by converting the basis vector are calculated, and the angle formed by the whitened mixed signal vector and the whitened basis vector is calculated for each time frequency.
  • a time frequency mask is generated using a function whose element is. By applying this time frequency mask to the selection signal, the interference signal remaining in the selection signal can be further suppressed.
  • B (f) V (f) 'Calculate the whitened basis vector B (f) by calculating A (f).
  • ⁇ (f, TE ) cos _1 (
  • the target signal selection unit performs normalization that eliminates the frequency dependence of the basis vectors.
  • the normalization that eliminates the frequency dependence of the basis vector is a specific one feature included in the basis vector. This is a normality that divides the declination of each element of the base vector by a value proportional to the frequency.
  • the normalization that eliminates the frequency dependence of the basis vector is the basis vector A (
  • Equation 11 It is a regularity that performs the operation of Where exp is the Napier number, arg ['] is the declination, f is the frequency, j is the imaginary unit, c is the signal transmission speed, and Q is a reference value selected from natural numbers less than or equal to M And d is a real number.
  • the regularized basis vector forms a cluster depending on the signal source position. Will be.
  • the separated signal including the target signal can be selected using the size of the cluster dispersion as an index. Note that the regular layout does not require strict sensor placement information.
  • the real number d in the above equation (11) is the maximum distance dma between the reference sensor Q and another sensor. This is because the accuracy of clustering is generally improved. Details of this will be described later.
  • the target signal selection unit selects a cluster having the smallest variance and selects a separation signal corresponding to the selected cluster as the target signal is included.
  • a signal with the smallest deviation from the model for example, the signal closest to the sensor
  • the frequency domain converter converts the mixed signal observed by a plurality of sensors into a mixed signal in the frequency domain.
  • the vector normalization unit normalizes the mixed signal vector composed of the mixed signals in the frequency domain, and calculates a normal vector.
  • the clustering power normality vector is clustered to generate a cluster.
  • the separated signal generator generates a regular vector that belongs to the kth cluster. A predetermined element is extracted from the mixed signal vector corresponding to the time frequency of Torr, and a separated signal vector is generated with this element as the kth element.
  • the mixed signals observed by all the sensors are normalized and clustered, and the separated signal vector is generated using the information of each cluster. This means that the separation signal is extracted using the information of all sensors simultaneously. Also, this process does not require precise sensor placement information. As described above, in the third aspect of the present invention, signal separation can be performed easily and efficiently using information obtained from all observation signals that do not require strict sensor placement information.
  • the vector normality unit performs normalization to eliminate the frequency dependence of the mixed signal vector composed of the mixed signal in the frequency domain.
  • the normalization that eliminates the frequency dependence of the mixed signal vector normalizes the declination of each element of the basis vector with respect to one specific element of the mixed signal vector, Furthermore, it is a normality that divides the declination of each element by a value proportional to the frequency.
  • Equation 12 It is a regularity that performs the operation of Where exp is a Napier number, arg ['] is a declination, j is an imaginary unit, c is a signal transmission speed, Q is a value selected from natural numbers less than or equal to M, d is a real number, and f Let be the frequency and let be the discrete time. This eliminates frequency dependence. Thereby, a cluster depending on the position of the signal source can be formed. Note that this normalization does not require strict sensor location information! /.
  • the vector normal part is a mixed signal vector. Normalization that eliminates the frequency dependence of and normalization that makes the norm a specified value is performed. This simplifies the clustering process.
  • signal separation processing can be performed easily and efficiently by using information obtained by observation signal power by a plurality of sensors.
  • the target signal can be extracted from a mixed signal obtained by mixing signals emitted from a plurality of signal sources without knowing information on the direction of the target signal (even if N> M).
  • signal separation can be performed easily and efficiently using information obtained from all observation signal powers without requiring strict sensor placement information (for example, N> Even if M).
  • FIG. 1 is a block diagram illustrating a functional configuration of a signal separation device having the principle of the present invention.
  • FIG. 2 is a block diagram illustrating a hardware configuration of the signal separation device according to the first embodiment.
  • FIG. 3 is an illustration of a block diagram of the signal separation device in the first exemplary embodiment.
  • FIG. 4A is a block diagram illustrating details of the permutation problem solving unit in FIG.
  • FIG. 4B is a block diagram illustrating details of the basis vector normal part of FIG. 4A.
  • FIG. 5 is a flowchart for explaining the entire processing of the signal separation device according to the first embodiment.
  • FIG. 6 is a flowchart for explaining the details of the regular wrinkle processing according to the first embodiment.
  • FIG. 7A shows a normal ⁇ basis vector max for each datum n when d Z2 ⁇ d.
  • FIG. 6 is a complex plan view for explaining the relationship between the element A ”(f) and its argument arg [A” (f)].
  • FIG. Figure 8B shows the element A of the normal ⁇ basis vector for each parameter d when d> d
  • FIG. 9 is an illustration of a block diagram of a signal separation device in a second exemplary embodiment.
  • FIG. 10A is a block diagram illustrating details of the permutation problem solving unit in FIG. 9.
  • FIG. 10B is a block diagram illustrating details of the permutation correction unit in FIG. 10A.
  • FIG. 11 is a flowchart for explaining the entire processing of the signal separation device according to the second embodiment.
  • FIG. 12 is a flowchart for explaining an example of step S58 in FIG.
  • FIG. 13 is a flowchart for explaining an example of step S58 in FIG.
  • FIG. 14A is a diagram showing sound source separation experiment conditions according to the first embodiment and the second embodiment.
  • FIG. 14B is a diagram showing a sound source separation experiment result according to the first embodiment and the second embodiment.
  • FIG. 15A is a diagram showing sound source separation experiment conditions according to the first embodiment and the second embodiment.
  • FIG. 15B is a diagram showing a sound source separation experiment result according to the first embodiment and the second embodiment.
  • FIG. 16 is a block diagram illustrating the configuration of a signal separation device according to a third embodiment.
  • FIG. 17A is a block diagram illustrating a detailed configuration of a target signal selection unit in FIG.
  • FIG. 17B is a block diagram illustrating a detailed configuration of the basis vector clustering unit in FIG. 17A.
  • FIG. 18A is a block diagram illustrating a detailed configuration of a time-frequency masking unit in FIG. 18B is a block diagram illustrating details of the mask generation unit in FIG. 18A. It is.
  • FIG. 19 is a flowchart for explaining the entire signal separation processing in the third embodiment.
  • FIG. 20 is a flowchart for explaining details of processing of a target signal selection unit in the third embodiment.
  • FIG. 21A is a flowchart for explaining details of the frequency normality in step S112.
  • FIG. 21B is a flowchart for explaining details of norm normalization in step S113.
  • FIG. 22 is a flowchart illustrating the details of the selection signal selection procedure (step S 115).
  • FIG. 23 is a flowchart for explaining details of step S104 in FIG.
  • FIG. 24A is calculated according to equation (46) for two kinds of real parameters ⁇ , g.
  • FIG. 5 is a diagram illustrating a time frequency mask M (f, ⁇ ).
  • FIG. 25 is an illustration of a block diagram of a signal separation device in the fourth exemplary embodiment.
  • FIG. 26 is a flowchart for explaining processing of the signal separation device according to the fourth exemplary embodiment.
  • FIG. 27 is an example of a block diagram of a signal separation device according to a fifth embodiment.
  • FIG. 28A is a block diagram showing a detailed configuration of a time-frequency masking unit in FIG. 27.
  • FIG. 28B is a block diagram illustrating a detailed configuration of the mask generation unit in FIG. 28A.
  • FIG. 29 is a flowchart for explaining a time-frequency mask generation process in the fifth embodiment.
  • FIG. 30A is a flowchart for explaining details of step S171 in FIG. 29.
  • FIG. 30B is a flowchart for explaining details of step S172 in FIG. It is a chart.
  • FIG. 31A is a diagram showing experimental conditions for showing the effects of the third embodiment and the fourth embodiment.
  • FIG. 31B is a table showing the average improvement in SIR when only ICA is used (fourth embodiment) and when both ICA and time-frequency masking are combined (third embodiment).
  • FIG. 32 is an illustration of a block diagram of a signal separation device in a sixth exemplary embodiment
  • FIG. 33 is a block diagram illustrating details of the signal separation unit in FIG. 32.
  • FIG. 34 is a flowchart for explaining the overall processing of the signal separation device in the sixth exemplary embodiment.
  • FIG. 35A is a flowchart for explaining details of the process of step S202 shown in FIG. 34.
  • FIG. 35B is a flowchart for explaining details of the process of step S203 shown in FIG.
  • FIG. 36 is a flowchart for explaining details of the process of step S205 shown in FIG. 34.
  • FIG. 37A shows a norm normalization vector max for each parameter d when d Z2 ⁇ d.
  • Fig. 37B is a complex plan view for explaining the relationship between the element X "(f, ⁇ ) of X" (f, te) and the argument arg [X "(f, te;)]. , D / 2 ⁇ d ⁇ d, nor max max for each parameter d
  • FIG. 10 is a complex plan view for explaining the relationship between an element X ′′ (f, TE) of (f, TE) and its argument arg [X ′′ (f, TE;)].
  • Figure 38B shows the norm normalization for each parameter d when d> d
  • FIG. 6 is a complex plan view for explaining the relationship between an element X ′′ (f, ⁇ ) of a tuttle X ′′ (f, ⁇ ) and its declination arg [X ”(f, ⁇ ;)].
  • FIG. 39A is a diagram showing a sound source separation experiment condition according to the sixth embodiment.
  • Fig 3
  • FIG. 9B is a diagram showing a sound source separation experiment result according to the sixth embodiment.
  • FIG. 40A is a diagram showing a sound source separation experiment condition according to the sixth embodiment.
  • Fig 4 OB is a diagram showing a sound source separation experiment result according to the sixth embodiment.
  • FIG. 41A is a diagram showing a sound source separation experiment condition according to the sixth embodiment.
  • FIG. 1B is a diagram illustrating a sound source separation experiment result according to the sixth embodiment.
  • FIG. 1 is a block diagram illustrating a functional configuration of a signal separation device 1 having the principle of the present invention.
  • the signal separation device 1 is configured, for example, by causing a known Neumann-type converter to execute a predetermined program.
  • the signal separation device 1 is a device that separates a mixed signal composed of a mixture of source signals emitted from a plurality of signal sources into the source signal.
  • the signal separation device 1 includes a frequency domain conversion unit 2, a complex vector generation unit 3, a normalization unit 4, and a clustering unit 5.
  • the normal part 4 includes a first normal part 4a for normalizing the declination of each element of the complex vector with reference to one specific element of the complex vector, The second normal part 4b that divides the declination of each element normalized by the normal part 4a by a value proportional to the frequency, and each element force that is normalized by the second normal part 4b And a third normalization unit 4c for normalizing the norm of the vector to a predetermined value. Note that the frequency dependence of the complex vector is eliminated by the first normalization unit 4a and the second normalization unit 4b (frequency normalization).
  • the frequency domain conversion unit 2 converts mixed signals (time domain signals) observed by a plurality of sensors into frequency domain mixed signals by short-time discrete Fourier transform or the like.
  • the complex vector generation unit 3 uses the mixed signal in the frequency domain to generate a complex vector composed of complex elements.
  • the normalization unit 4 normalizes the complex vector to generate a normalized vector that excludes the frequency dependence of the complex vector. [0045] In the normality ⁇ in the example of Fig. 1, first, the first normalization unit 4a first sets each element of the complex vector for each time frequency with reference to one specific element included in the complex vector.
  • the declination of each element of the complex vector does not depend on the phase or amplitude of the source signal, but only on the relative position and frequency of the signal source with respect to each sensor (details will be described later).
  • the second normalization unit 4b divides the declination of each element normalized by the first normalization unit 4a by a value proportional to the frequency. This eliminates the frequency dependence of each element of each complex vector, and normalizes the complex spectrum to depend only on the relative position of each signal source relative to each sensor.
  • the third normalization unit 4c normalizes the norm of the vector composed of each element normalized by the second normalization unit 4b to a predetermined value.
  • the clustering unit 5 performs clustering of the normal key vectors subjected to such normal key generation, and generates clusters. These clusters depend only on the relative position of each signal source relative to each sensor.
  • the separated signal generation unit 6 performs various signal separation processes using these clusters to generate a frequency domain separated signal.
  • the time domain transform unit transforms the frequency domain separation signal into a time domain separation signal. As described above, in order to generate these clusters, it is not necessary to obtain accurate position information of each sensor in advance. In addition, the information of observation signals from all sensors is used to generate these clusters. In other words, in the present invention, signal separation processing can be performed easily and efficiently using information obtained from observation signal power by a plurality of sensors.
  • the permutation problem is accurately solved without requiring prior acquisition of information related to strict sensor placement and complicated operations based on the above-described principle.
  • Book In the embodiment, a “base vector” described later corresponds to the “complex vector” described above.
  • FIG. 2 is a block diagram illustrating a hardware configuration of the signal separation device 10 according to the first embodiment.
  • the signal separation device 10 of this example includes a CPU (Central Processing Unit) 10a, an input unit 10b, an output unit 10c, an auxiliary storage device 10f, a RAM (Random Access Memory) 10d, a ROM ( Read Only Memory) lOe and bus lOg.
  • a CPU Central Processing Unit
  • an input unit 10b an input unit
  • an output unit 10c an output unit
  • an auxiliary storage device 10f an auxiliary storage device
  • RAM Random Access Memory
  • ROM Read Only Memory
  • the CPU10a in this example includes a control unit 10aa, a calculation unit 10ab, and a register 10ac, and executes various calculation processes according to various programs read into the register 10ac.
  • the input unit 10b in this example is an input port for inputting data, a keyboard, a mouse, and the like
  • the output unit 10c is an output port for outputting data, a display, and the like.
  • the auxiliary storage device 1 Of is, for example, a hard disk, an MO (Magneto-Optical disc), a semiconductor memory, or the like, and is a signal separation program area lOfa and a sensor that store a signal separation program for executing the signal separation processing of this embodiment.
  • RAMlOd is, for example, SRAM (Static Random Access Memory), DRAM (Dynamic Random Access Memory), etc., and includes a signal separation program area 10da in which a signal separation program is written and a data area 10db in which various data are written.
  • the bus 10g in this example connects the CPU 10a, the input unit 10b, the output unit 10c, the auxiliary storage device 10f, the RAM 10d, and the ROM 10e so that they can communicate with each other.
  • CPUlOa writes the signal separation program stored in signal separation program area lOfa of auxiliary storage device 10f to signal separation program area 10da of RAMlOd according to the read OS (Operating System) program.
  • CPU10a writes various data such as a time domain mixed signal stored in the data area 10fb of the auxiliary storage device 10f to the data area 10db of the RAM10d.
  • CPU10a stores the address on RAM10d where this signal separation program and various data are written in register 10ac.
  • the control unit 10aa of CPUlOa is stored in the register 10ac.
  • FIG. 3 is an example of a block diagram of the signal separation device 10 configured by loading the signal separation program into the CPU 10a in this way.
  • 4A is a block diagram illustrating details of the permission problem solving unit 140 in FIG. 3
  • FIG. 4B is a block diagram illustrating details of the basis vector normal part 142 in FIG. 4A.
  • the signal separation device 10 includes a memory 100, a frequency domain conversion unit 120, a separation matrix calculation unit 130, a permutation problem solving unit 140, a separation signal generation unit 150, a time domain conversion unit 160, and A control unit 170 is included.
  • the permutation problem solving unit 140 includes an inverse matrix calculation unit 141 (corresponding to “complex vector generation unit”), a basis vector normal part 142 (corresponding to “normal part”), clustering Unit 143, permutation calculation unit 144, and rearrangement unit 145.
  • the basis vector normality unit 142 includes a frequency normalization unit 142a and a norm normality unit 142b.
  • the frequency normal part 142a has a first normalization part 142aa and a second normal part 142ab.
  • the control unit 170 has a temporary memory 171.
  • the memory 100 and the temporary memory 171 correspond to the register 10ac, the data area 10fb of the auxiliary storage device 1 Of, the data area 10db of the RAM10d, or the like.
  • the frequency domain conversion unit 120, the separation matrix calculation unit 130, the permutation problem solving unit 140, the separation signal generation unit 150, the time domain conversion unit 160, and the control unit 170 include the OS program and signal separation in the CPU10a. It is configured by reading a program.
  • arrows in Figs. 3 and 4 indicate the theoretical information flow, and the solid arrows indicate the actual data flow. Also, in these figures, arrows corresponding to the data flow to / from the control unit 170 are omitted, and arrows corresponding to the actual data flow in FIG. 4 are also omitted.
  • FIG. 5 is a flowchart for explaining the entire processing of the signal separation device 10 according to the first embodiment. Hereinafter, the processing of the signal separation device 10 in this embodiment will be described with reference to this figure.
  • the separation matrix calculation unit 130 reads the mixed signal X (f, ⁇ ) in the frequency domain from the storage area 102 of the memory 100.
  • One separation matrix W (f) is stored in the storage area 103 of the memory 100 (step S2).
  • the first separation matrix W (f) calculated by the separation matrix calculation unit 130 includes arbitrary order. Therefore, in the permutation problem solving unit 140, the first separation matrix W (f) is changed to the second separation signals W and (f) in which the arbitrary order is solved as follows.
  • each cluster corresponds to each signal source. If this regularity is not done properly, a cluster will not be formed.
  • normalization in this embodiment consists of two stages: frequency normalization and norm normalization.
  • Frequency normalization is to normalize the base vector to the frequency normal key vector without depending on the frequency in the frequency normal key unit 142a (FIG. 4B).
  • the norm normality part 142b the norm normality part normalizes the frequency normality vector to a normalized basis vector in which the norm takes a specified value (1 in this example). Details of the regular processing will be described later.
  • the clustering unit 143 reads the normal ⁇ basis vector A "(f) from the storage area 106 of the memory 100, and clusters these normalized basis vectors A" (f) to obtain N pieces.
  • This clustering is performed by, for example, summing the sum of squares U between the elements of each cluster C (normalized basis vectors A "(f)) and the centroid 7? Of each cluster C U
  • the normal ⁇ basis vector A ′′ (f) is read from the storage area 106 of the memory 100, and the centroid 7? Of each cluster C is read from the storage area 109.
  • the permutation calculation unit 144 uses these to reorder the elements of the first separation matrix W (f) from the permutations ⁇ ( ⁇ 1,2, ..., ⁇ to ⁇ 1,2, ... ⁇ , Bijective function to ⁇ ) for each frequency f
  • n f ar gmin n ⁇ ⁇
  • argmin ⁇ in equation (13) means ⁇ that minimizes ⁇
  • a "(f) in this equation means a normalized basis vector that can be replaced by n (k) k in parallel with the normalized basis vector A" (f) by ⁇ . That is, the normalized basis vector A "(f) in the n (k) th row becomes the normalized basis vector A" (f) in the kth column by ⁇ . Note that the formula (1 n (k) f k
  • Number of signal sources N is 3, and normalized basis vectors A "(f), A" (f) at a certain frequency f
  • a A (A) (f) that minimizes II ⁇ -A "(f) II 2 in order is selected so as not to overlap kn (k) ⁇ (k)
  • a procedure such as n (k) k f may be used in which the permutation for transferring the selected A ′′ (f) to the normalized basis vector A ′′ (f) is permutation ⁇ .
  • f permutation for transferring the selected A ′′ (f) to the normalized basis vector A ′′ (f) is permutation ⁇ .
  • sorting section 145 reads first separation matrix W (f) from storage area 103 of memory 100 and permutation ⁇ from storage area 110. Then, the reordering unit 145 performs this first f
  • the second separation matrix W is the first, second, and third rows of (f).
  • the separated signal generation unit 150 reads the mixed signal X (f, ⁇ ) in the frequency domain from the storage area 102 of the memory 100 and the second separation matrix W ′ (f) from the storage area 111.
  • the frequency domain signal (referred to as “frequency domain mixed signal”) Y (f, ⁇ ), which is each of these elements, is stored in the storage area 112 of the memory 100 (step S8).
  • the frequency domain is changed from the storage area 112 of the memory 100
  • the separated signal Y (f, ⁇ ) is read out for each subscript ⁇ (every Y (f, ⁇ )) and converted into a time domain separated signal y (t) by short-time inverse Fourier transform, etc.
  • These separated signals y (t) in the time domain are stored in the storage area 113 of the memory 100 (step S9).
  • step S4 Details of the normality processing (details of step S4) in the above-described basis vector normalization unit 142 will be described.
  • FIG. 6 is a flowchart for explaining the details of the regular key process.
  • control unit 170 assigns 1 to the parameter p and stores it in the temporary memory 171 (step Sl l). Further, 1 is assigned to parameter q in control unit 170, and this is stored in temporary memory 171 (step S12).
  • the parameters d, c and Q are read from the storage area 107 of the memory 100, the parameters p and q are read from the temporary memory 171, and the basis vector A For element A (f) of (f)
  • the calculation results A and (f) are converted into frequency normality vectors A and (f).
  • Arg ['] means declination and j means imaginary unit.
  • the first normal part 142aa of the frequency normal part 142a is based on a specific element A (f) of the base vector A (f), and the basis vector A (f )
  • the normal angle of each element A (f) is calculated by the following calculation.
  • the frequency normal key vector A from the temporary memory 171 is displayed.
  • step S20 Store in step 6 (step S20).
  • a star is formed. The reason for this will be described below.
  • Each element A (f) of the basis vector A (f) is transmitted from the signal source k corresponding to the source signal p to the sensor q.
  • complex scalars vary with discrete time (i.e., with phase), but the complex scalar corresponding to source signal p and sensor q and the complex scalar corresponding to source signal p and sensor Q
  • the relative value is constant even if the discrete time changes (if the frequency f is the same). That is, if the frequency f is the same, the relative value of the argument of the complex scalar corresponding to the source signal p and the sensor q and the argument of the complex scalar corresponding to the source signal p and the sensor Q are It is constant.
  • the first normal part 142aa of the frequency normal part 142a is represented by the basis vector A (f)
  • the frequency response from signal source k to sensor q is approximated by a direct wave model without reflection or reverberation.
  • the deviation angle normalized by the first normalization unit 142aa is proportional to both the arrival time difference of the wave from the signal source k to the sensor and the frequency f.
  • the arrival time difference is the time difference between the time until the wave from the signal source k reaches the sensor q and the time until the wave reaches the reference sensor Q.
  • the second normal part 142ab is a value that is proportional to the frequency f of the declination of each element A "'(f) that has been normalized by the first normal part 142aa. Divide by, so each element A "'
  • each normalized element A ′ (f) is obtained from the signal source k according to the direct wave model. It depends only on the arrival time difference of the wave.
  • the arrival time difference of the wave from the signal source k to the sensor depends only on the relative positions of the signal source k, the sensor q, and the reference sensor Q. Therefore, if the signal source k, sensor q, and reference sensor Q are the same, the declination of each element A ′ (f) is the same even if the frequency f is different. Therefore, the frequency normalization vector A ′ (f) does not depend on the frequency f, but only on the position of the signal source k.
  • a cluster corresponding to each signal source is formed by the clustering of A "(f).
  • the direct wave model is not exactly satisfied due to the effects of reflection and reverberation, but it is sufficiently good and approximate as shown in the experimental results described later.
  • qk qk d is determined by the delay (d-d) / c is the distance that is normalized by the position of the reference sensor Q qk qk Qk
  • ⁇ is a complex scalar value representing the arbitraryness of scaling
  • subscripts k and q are
  • Equation (1) the convolutional mixture model shown in Equation (1) described above is approximated by a near-field mixture model that ignores attenuation, and expressed in the frequency domain.
  • the convolutional mixture model shown in the above equation (1) is approximated by the far-field mixture model and expressed in the frequency domain.
  • H qk (f) ⁇ 2 ⁇ & -1 II
  • SE and SE are vectors indicating the positions of the sensors q and Q.
  • ⁇ qQ indicates the angle formed by the straight line connecting q Q k sensors q and Q and the straight line connecting the center point of sensors q and Q and signal source k. In this case, from Equation (16) (18) (20) (24)
  • A means the maximum distance d between the reference sensor Q corresponding to (f) and another sensor.
  • FIGS. 7 and 8 show the element A "(f) of the normal ⁇ basis vector for each parameter d and its argument arg [
  • the real axis represents the imaginary axis and the vertical axis represents the imaginary axis.
  • FIG. 7A is a complex plan view in the case of d Z2 ⁇ d. Where max max from the definition of d above
  • the declination angle of the element A "(f) of the data may match, and in the clustering described above, different normalized basis vectors A" (f) may be clustered into the same cluster.
  • FIG. 7B is a complex plan view in the case of d / 2 ⁇ d ⁇ d. In this case, - ⁇ ⁇ ( ⁇ / max max
  • the frequency normalization of these frequency normalizations increases as the angle difference between the different frequency normalized beta elements increases.
  • the distance between the outer elements may not increase monotonically, which may reduce the accuracy of the clustering described above, so d ⁇ d is more desirable.
  • Fig. 8B is a diagram in the case of d> d. It is a complex plan view.
  • d> d - ⁇ / 2 ( ⁇ / 2) ⁇ ((1-d) / d ⁇ 0, 0 ⁇ ( ⁇ / max qK Qk
  • a force that solves the permutation problem based on information obtained from the basis vector force is described in Japanese Patent Application Laid-Open No. 2004-145172 and “H. , b. Araki, b. Ma ino, A Robust ana Precise Method for Solving the Permutation Problem of Frequency-Domain Blind Source Separation, "IEEE Trans. Speech a and Audio Processing, vol. 12, no.5, pp.530
  • the permutation problem can be solved more accurately by integrating the envelope information of separated signals as shown in —538, Sep. 2004. (hereinafter referred to as “references”). In these documents, information on the direction of the signal source is used instead of the basis vector.
  • FIG. 9 is an example of a block diagram of a signal separation device 200 according to the second embodiment.
  • the signal separation device 200 of this embodiment is also configured by reading a signal separation program into the CPU10a (Fig. 2).
  • Figure 10A shows the permutation in Figure 9.
  • FIG. 10B is a block diagram illustrating details of the Chillon problem solving unit 240
  • FIG. 10B is a block diagram illustrating details of the permutation correcting unit 247 of FIG. 10A.
  • the same reference numerals as those in the first embodiment are assigned to portions common to the first embodiment.
  • the broken arrows in Figs. 9 and 10 indicate the theoretical information flow, and the solid arrows indicate the actual data flow. Further, in these figures, arrows corresponding to the data flow entering and exiting the control unit 170 are omitted, and arrows corresponding to the actual data flow in FIG. 10 are also omitted.
  • the difference of this embodiment from the first embodiment is mainly the configuration of the permutation problem solving unit 240. That is, the permutation problem solving unit 240 of this embodiment is obtained by adding a permutation evaluation unit 246 and a permutation correcting unit 247 to the permutation problem solving unit 140 of the first embodiment. (Fig. 9, Fig. 10A). Note that the permutation evaluation unit 246 evaluates the reliability of the permutation for each frequency, and the permutation correction unit 247 uses the envelope of the separation signal for frequencies that are evaluated to have low permutation reliability. A new permutation is calculated.
  • the permutation correcting unit 247 includes a determination unit 247a, a separation signal generation unit 247b, an envelope calculation unit 247c, a permutation recalculation unit 247d, and a rearrangement unit 247e (FIG. 10B).
  • the permutation calculating unit 144 and the permutation correcting unit 247 constitute the “permutation calculating unit” in claim 4.
  • FIG. 11 is a flowchart for explaining the entire processing of the signal separation device 200 according to the second embodiment.
  • the processing of the signal separation device 200 according to this embodiment will be described with reference to FIG.
  • step S51 to S57 Since the processing from step S51 to S57 is the same as that from step S1 to S7 in the first embodiment, the description thereof is omitted.
  • the permutation evaluation unit 246 evaluates the reliability of the permutation ⁇ for each frequency, and the permutation ⁇ ⁇
  • Step S 59
  • the frequency domain separation signal Y (f, ⁇ ) is read from the storage area 112 of the memory 100, and this is converted into the time domain separation signal y (t) for each subscript ⁇ .
  • time domain separation signal y (t) is stored in the storage area 113 of the memory 100
  • step S58 is flowcharts for explaining an example of step S58 in FIG. Details of step S58 will be described below with reference to this flowchart.
  • control unit 170 substitutes 0 for parameter f, sets F as an empty set, and stores information indicating these in temporary memory 171 (step S71).
  • permutation evaluation unit 246 evaluates the reliability of permutation ⁇ stored in storage area 110 of memory 100 for each frequency.
  • the evaluation result trust (f) is stored in the temporary memory 171 (step S72).
  • the permutation evaluation unit 246 first selects the normal ⁇ basis vector A ′′ (f) from the storage area 105 of the memory 100 and the storage area 109.
  • the toroids r? Are read out from the storage area 110, respectively. And permutation evaluation
  • step S76 the control unit 170 determines whether or not the value of the parameter f stored in the temporary memory 171 satisfies mL-l) f / L (step S76). s
  • step S 77 Store the result of the operation of f / L as the value of the new parameter f (step S 77) —hour memory 171 s
  • the separation signal generator 247b does not belong to the set F.
  • the separated signal generation unit 247b stores the memory 100 for this frequency f and all the frequencies g in the vicinity thereof and belonging to the set F (gEF,
  • F gEF,
  • the separation signals Y (f, ⁇ ) and Y (g, ⁇ ) of all frequency domains are read from the temporary memory 171 and these envelopes are read out.
  • step S79 the maximum value of the sum of the correlations cor in the vicinity of the frequency difference ⁇ or less.
  • ⁇ ' is the permutation already determined for the frequency g.
  • the correlation cor (, ⁇ ) in this equation indicates the correlation between the two signals ⁇ and ⁇ and is defined as follows.
  • ⁇ ( ⁇ , ⁇ ) « ⁇ , ⁇ >- ⁇ > ⁇ ⁇ » / ( ⁇ ⁇ ⁇ )
  • N (k) -th envelope V f becomes k-th envelope v f (n (k) k
  • n f ' argmax n ⁇ cor 3 ⁇ 4 (k) , ⁇ , g )
  • a matrix W ′′ (f) is generated and stored in the storage area 111 of the memory 100 (step S83).
  • Step S84 where the set F does not have elements of all discretized frequencies M), f / L, "', f (L-1) / L If it is, the control part 170 will return a process to step S78. On the other hand, if the set F has elements of all the discretized frequencies M), f / lv ′, f (Ll) / L, the control unit 170 ends the process of step S58.
  • step S58 may be executed by using other methods described in Japanese Patent Laid-Open No. 2004-145172 and “References” described above without using the above method.
  • the first experiment is due to irregular sensor placement.
  • the experimental conditions are as shown in Fig. 14A.
  • the force using four omnidirectional microphones arranged irregularly.
  • the signal separation device that the upper limit of the microphone interval was 4 cm.
  • the number of sound sources was three, and English audio for 3 seconds was played from the speaker.
  • the results are shown in FIG. 14B by SIR (signa to interference ratio). Larger SIR indicates better separation performance.
  • Env uses only the information of the envelope
  • Basis is based on clustering of normal ⁇ basis vectors A "(f) (first embodiment
  • the second experiment is based on regular sensor placement.
  • the experimental conditions are as shown in Fig. 15A.
  • Three omnidirectional microphones were placed in a straight line at 4cm intervals. Same number of sound sources There were three of them, and English sound of 3 seconds was played through the speaker.
  • the result is shown in FIG. 15B.
  • the method of clustering the estimated values related to the signal source position shown as the prior art was also compared, and the results were compared for six methods.
  • DOA solves the permutation problem using only the estimated direction-of-arrival (DOA), and DOA + Env further integrates the envelope information of the separated signal.
  • the signal separation performance is improved.
  • the present invention is not limited to the above-described embodiment.
  • the Moore'Penrose type generalized inverse matrix is used as the generalized matrix, but other generalized matrices may be used.
  • the first normal part 142aa of the frequency normal part 142a is based on one specific element A (f) of the base vector A (f) as a formula (15 )
  • the first normalization unit 142aa determines that one specific element A (
  • Aqp -'- Cf
  • ⁇ ⁇ '''(f)
  • * is the complex conjugate of '.
  • ⁇ ⁇ is a function, and is preferably a monotonically increasing function from the viewpoint of clustering accuracy.
  • normality correction may be performed so that the norm normalization unit 142b performs a normal value such that the norm is 1 so that the norm is equal to 1. Further, the norm normality 142b may not be provided and the norm normality may not be performed. In this case, the clustering unit 143 performs clustering of the frequency normalization vectors A and (f).
  • the clustering criterion in this case is whether the vector is similar, including the norm, but only the direction of the vector is similar. This is an evaluation using similarity. Cosine distance as one of the similarities
  • the clustering unit 143 calculates the sum of the cosine distances.
  • Centroid 7 Is the average of the members of each cluster.
  • the reliability of the permutation is evaluated for each frequency, and a new permutation is calculated using the envelope of the separation signal for the frequency evaluated as having a low permutation reliability. It was decided.
  • the permutation may be calculated by integrating the envelope of the separated signal, the center vector of the cluster, and the normal ⁇ basis vector at a time.
  • a permutation is calculated using the envelope of the separation signal, and the reliability of the permutation is evaluated for each frequency.
  • the frequency of the first embodiment is evaluated for the frequency evaluated as having low reliability.
  • a new permutation may be calculated by applying the method.
  • the envelope of the separation signal is calculated using the second separation matrix W ′ (f), but the first separation matrix W (f) or its rows are rearranged.
  • the envelope of the separation signal is calculated using the second separation matrix W ′ (f), but the first separation matrix W (f) or its rows are rearranged.
  • the parameter d may be the same for all sensors q, or a plurality of values may be set for each sensor q.
  • the distance between the reference sensor and sensor q may be the value of parameter d corresponding to each sensor q.
  • the target signal is extracted from a mixed signal obtained by mixing signals emitted from a plurality of signal sources without knowing information on the direction of the target signal using the principle described above.
  • the signal separation apparatus is configured by reading a signal separation program into a known Neumann-type converter.
  • Figure 16 shows the third 1 is a block diagram illustrating a configuration of a signal separation device 1001 according to an embodiment.
  • the signal separation device 1001 includes a memory 1100 having storage areas 1101 to 1114, a frequency domain conversion unit 1120, a signal separation unit 1130, a target signal selection unit 1140, a time frequency masking unit 1150 ( Equivalent to a “separated signal generator”), a time domain converter 1160, a controller 1170, and a temporary memory 1180.
  • the memory 1100 and the temporary memory 1180 are, for example, a force corresponding to at least a part of the register 10ac, the data area 10fb of the auxiliary storage device 10f, or the data area 10db of the RAMI 0d (FIG. 2). .
  • frequency domain conversion unit 1120 is, for example, an operating system in CPU10a (Fig. 2). It is configured by reading a program or a signal separation program.
  • FIG. 17A is a block diagram illustrating a detailed configuration of the target signal selection unit 1140 in FIG. 16, and FIG. 17B is a block diagram illustrating a detailed configuration of the basis vector clustering unit 1142 in FIG. 17A.
  • the target signal selection unit 1140 includes an inverse matrix calculation unit 1141 (corresponding to a “complex vector generation unit”), a basis vector clustering unit 1142, and a selection unit 1143.
  • the basis vector clustering unit 1142 includes a frequency normalization unit 1142a (which constitutes a “normal part”), a norm normal part 1142b (which constitutes a “normal part”), a clustering unit 1 142c, and a variance determination unit 1142d.
  • the frequency normal part 1142a includes a first normalization part 1142aa and a second normal part 1142ab.
  • FIG. 18A is a block diagram illustrating the detailed configuration of the time-frequency masking unit 1150 in FIG. 16, and FIG. 18B is a block diagram illustrating the details of the mask generation unit 1151 in FIG. 18A.
  • the time-frequency masking unit 1150 includes a mask generation unit 1151 and a masking unit 1152.
  • the mask generation unit 1151 includes a whitening matrix generation unit 1151a, a whitening unit 1151b, an angle calculation unit 1151c, and a function calculation unit 115Id.
  • the solid arrows in FIGS. 16 to 18 indicate the actual data flow, and the broken arrows The mark indicates the theoretical flow of information.
  • the flow of data in and out of the force control unit 1 170 and the temporary memory 1180 is omitted.
  • the signal separation device 1001 executes each process under the control of the control unit 1170. Unless otherwise indicated, the control unit 1170 executes each process while reading / writing necessary data from / to the temporary memory 1180.
  • any signal source power can be generated only from the mixed signal X (t), ..., x (t).
  • the obtained target signal is extracted to calculate a signal y (t) in which other interference signals are suppressed.
  • the number N of signal sources may be more or less than the number M of sensors or the same number. Furthermore, it is not necessary to know the number N of signal sources in advance, and it is also possible that the number of signal sources cannot be counted.
  • FIG. 19 is a flowchart for explaining the entire signal separation processing according to the third embodiment. The overall signal separation processing in this embodiment will be described below using this figure.
  • the time domain mixed signal X (t) (q ⁇ ⁇ 1,..., M ⁇ ) observed by M sensors is stored in the storage area 1101 of the memory 1100.
  • the frequency domain conversion unit 1120 reads the mixed signal X (t) in the time domain from the storage area 1101 of the memory 1100.
  • the frequency domain transforming unit 1120 transforms them into a frequency domain mixed signal X (f, t) by short-time Fourier transform or the like, and stores it in the storage area 1102 of the memory 1100 (step S101).
  • the signal separator 1130 reads the mixed signal X (f, ⁇ ) in the frequency domain from the storage area 1102 of the memory 1100.
  • the separated signal ⁇ (f, ⁇ ) (pe ⁇ 1,..., M ⁇ ) to be configured is stored in the storage area 1107.
  • the target signal selection unit 1140 uses the distribution of the cluster as an index to select the selection signal Y (f, ⁇ ) including the target signal from the separated signal in the storage area 1107 of the memory 1100 and the corresponding basis vector A (f ) For each frequency f
  • step S103 This is selected and stored in the storage area 1111 of the memory 1100 (step S103).
  • a signal that is close to the sensor and therefore has a dominant power compared to other source signals and is useful as information is extracted as a target signal. Details of step S103 will be described later.
  • the frequency domain mixed signal X (f, ⁇ ) is read from the storage area 1102 of the memory 1100, and the base corresponding to the selection signal Y (f, ⁇ ) is stored from the storage area 1104.
  • step S104 is generated and stored in the storage area 1112 (step S104). Details of the processing in step S104 (processing in the time-frequency masking unit 1150) will be described later.
  • the selection signal Y (f, ⁇ ) selected by the target signal selection unit 1140 is read from the storage area 1107 of the memory 1100, and the storage area 1112
  • the time frequency masking unit 1150 applies the time frequency mask M (f, ⁇ ) to the selection signal Y (f, ⁇ ), and selects the selection signal Y (f, ⁇ ).
  • a mask processing selection signal Y ′ (f, ⁇ ) in which the interference signal component remaining in ⁇ Kf) is further suppressed is generated and stored in the storage area 1113 of the memory 1100 (step S105). Details of the processing in step S 105 (processing of the time frequency masking unit 1150) will be described later.
  • the time domain transforming unit 1160 reads the separation signal Y ′ (f, ⁇ ) selected in the frequency domain from the storage area 1113 of the memory 1100, and performs a short time inverse Fourier transform on it.
  • the time domain separation signal y (t) is generated by performing
  • step S106
  • ICA Independent component analysis
  • ICA Independent component analysis
  • step S 103 processing of target signal selection unit 1140
  • ICA Independent component analysis
  • the target signal selection unit 1140 performs this selection by the following processing.
  • FIG. 20 is a flowchart for explaining details of the process of the target signal selection unit 1140 in the third embodiment. Hereinafter, the details of the processing of the target signal selection unit 1140 will be described with reference to this figure.
  • the inverse matrix calculation unit 1141 reads the separation matrix W (f) of the ⁇ row and ⁇ column from the storage area 1103 of the memory 1100 for each frequency, and the inverse matrix thereof.
  • Equation (30) the frequency domain mixed signal X (f) is decomposed.
  • a (f) is a basis vector, each of which is a separate signal for each frequency.
  • step S111 It is stored in the storage area 1104 of 0 (step S111).
  • This normality is a convolutional mixture of signals from multiple sources, for example a short distance.
  • the cluster whose normalized basis vector A (f) depends only on the position of the signal source
  • step S112 Store in the storage area 1105 of 0 (step S112). This normalization is based on the basis vector A
  • Norm normalization is the basis vector cluster
  • the norm normal part 1142b (FIG. 17B) of the ring part 1142. That is, in the norm normal part 1142b, the frequency normalization vector A ′ (f) is read from the storage area 1105 of the memory 1100, and these are normalized by the norm having a specified value (1 in this example). ⁇ ⁇ basis solid
  • the clustering unit 1142c reads the normalized basis vectors A "(f) from the storage area 1106 of the memory 1100, and clusters them to obtain M clusters.
  • P ⁇ i is stored in storage areas 1109 and 1110 of the memory 1100, respectively (step S114).
  • This clustering is performed by, for example, summing the sum of squares U between the elements of each cluster C (normal ⁇ basis vectors A "(f)) and the centroid 7? Of each cluster C.
  • the dispersion determining unit 1142d (FIG. 17B) next selects a cluster corresponding to the target signal, and selects information I (f) indicating the selected cluster as a storage area of the memory 1100.
  • the separation signal including the target signal is selected using the cluster variance U./I c.
  • the normality of the base vector in this embodiment depends on only the position of the signal source when the convolution mixture of signals emitted from a plurality of signal sources is approximated to a predetermined model. This is done to form a cluster.
  • the near-field model does not consider the reflected wave component due to the signal reflecting off the wall, etc.
  • the proportion of wave components increases as the signal source moves away from the sensor force. Therefore, the model becomes valid as the signal is separated from the sensor force.
  • the closer to the sensor the closer to the real environment, the normality can be achieved under conditions, and the variance of the cluster due to the difference between the real environment and the model can be reduced.
  • the cluster since the signal close to the sensor is used as the target signal, the cluster is small in dispersion and the cluster should be selected as the cluster corresponding to the target signal! Details of this selection procedure (step S115) will be described later.
  • the selection unit 1143 reads selection information 1 (f) from the storage area 1111 of the memory 1100. Then, the selection unit 1143 reads the separation signal corresponding to the selection information 1 (f) from the storage area 1107 as the selection signal Y (f, ⁇ ), and the corresponding basis vector A (f) is stored in the storage area 1104. Are stored in the storage area 1111 (step S116).
  • FIG. 21A is a flowchart for explaining details of the frequency normalization in step S112.
  • 1 is assigned to parameter p in control unit 1170 (FIG. 16), and this is stored in temporary memory 1180 (step S121). Further, 1 is substituted for parameter q in control unit 1170, and this is stored in temporary memory 1180 (step S122).
  • the frequency normalization unit 114 2a (FIG. 17B) reads the aforementioned parameters d, c, and Q from the memory area 1108 of the memory 1100 and reads the element A of the basis vector A (f) from the storage area 1104. Read (f) and read parameters p and q from temporary memory 1180. And this frequency normal part 1142a is for the element A (f) of the basis vector A (f),
  • step S123 In the storage area 1105 of the memory 1100 (step S123).
  • arg ['] is biased Means horn, exp means Napier number, j means imaginary unit. More specifically, this normalization is performed by the operations of the above formulas (15) and (16).
  • control unit 1170 sets the calculation result of p + 1 as the new parameter value, stores it in temporary memory 1180 (step S127), and returns to step S122.
  • control unit 1170 ends the process of step S112 (end of description of details of step S112 (frequency normalization)).
  • FIG. 21B is a flowchart for explaining the details of norm normalization in step S113.
  • control section 1170 1 is assigned to parameter ⁇ , and this is stored in temporary memory 1180 (step S131).
  • the norm normalization unit 1142b the elements A and (f) of the frequency normality vector A and (f) are read from the storage area 1105 of the memory 1100, and
  • PII is stored in temporary memory 1180 (step S132).
  • the frequency normal characteristic A, (f) and its norm II A, (f) II are read from the temporary memory 1180.
  • step S 113 (End of detailed description of step S 113 (norm normalization)).
  • the vector does not depend on the frequency but depends only on the position of the signal source.
  • Cluster selection step 1
  • FIG. 22 is a flowchart for explaining the first example.
  • the variance determination unit 1142d calculates for each i as shown in Equation (33), calculates the ICI by counting the number of elements (normalized basis vectors A "(f)) belonging to C, and the cluster C
  • is calculated and stored in the temporary memory ⁇ ⁇ , and the variance judgment unit ll 42 d selects the smallest one from the variance U /
  • control unit 1170 (FIG. 16) 0 is substituted for parameter f, and this is stored in temporary memory 1 180 (step S 142).
  • the variance determination unit 1142d reads the cluster selection information t from the temporary memory 1180, and reads the centroid ⁇ corresponding to the cluster selection information from the storage area 1110 of the memory 1100. Stick out. Further, the variance determining unit 1142d reads the normal ⁇ basis vector A "(f) (p E ⁇ l, ..., M ⁇ ) from the storage area 1106 of the memory 1100. Then, the variance determining unit 1142d f
  • control unit 1170 reads the parameter f from the temporary memory 1180 and determines whether or not it is: 1) • f / L (step S 144). Where-1) If not 'f / L', the control unit 1170 sets the value obtained by adding f / L to this parameter f as a new f in the temporary memory 1180.
  • step S 145) if -1) 'f / L, then s
  • control unit 1170 ends the process of step S115.
  • a cluster whose variance is smaller than a predetermined threshold value is selected as a cluster corresponding to the target signal.
  • This threshold value is a value determined based on, for example, experimental results or experience, and is stored in the memory 1100 in advance.
  • the variance determining unit 1142d instead of the processing of step S141 (FIG. 22), the variance determining unit 1142d first sorts the variances ⁇ ⁇ ⁇ ⁇ of each cluster in ascending or descending order by a known sorting algorithm. Then, the variance determination unit 1142d reads the threshold value stored in the memory 1100, selects a cluster whose variance U /
  • the target signal is from the cluster with the smallest variance to the cluster with the third smallest variance (for example, the cluster power with the smallest variance to the cluster with the third smallest variance). Select the corresponding cluster.
  • the variance determining unit 1142d instead of the process of step S141 (Fig. 22), the variance determining unit 1142d first sorts the variances l iCii of each cluster in ascending or descending order by a known sorting algorithm. Then, the variance determination unit 1142d determines whether the cluster having the smallest variance U /
  • cluster 1142d stores the set of subscripts i corresponding to the selected cluster in the temporary memory 1180 as cluster selection information t. Other than that, the procedure is the same as in cluster selection procedure 1.
  • cluster selection procedure 1 it is possible to select one of the clusters whose variance is the second or later, or to apply a procedure that combines some of the cluster selection procedures described above. Good (End of description of step S115) End of detailed description of processing of Z step S103 (processing of target signal selection unit 1140)).
  • the time frequency masking unit 1150 further suppresses the interference signal component remaining in the selection signal Y (f, ⁇ ) selected by the target signal selection unit 1140.
  • the reason why the interference signal remains in the selection signal Y (f, ⁇ ) will be explained.
  • Signal Y (f) is an unnecessary residual component (residual component of interference signal)
  • the purpose of the time-frequency masking unit 1150 is unnecessary in this selection signal Y (f, ⁇ ) Is to generate a mask processing selection signal Y ′ (f, ⁇ ) with less residual components of the interference signal than the selection signal Y ⁇ f, ⁇ ).
  • the time frequency masking unit 1150 first takes a small value for the time frequency slot having a residual component of the interference signal in the mask generation unit 1151 (FIG. 18), and the time frequency slot having a small residual component of the interference signal. Generate a time-frequency mask 0 ⁇ M (f, te) ⁇ 1 that takes a large value for. And in the masking part 1152,
  • FIG. 23 is a flowchart for explaining details of step S104 in FIG.
  • the details of the processing in step S 104 (mask generation unit 1151) will be described with reference to FIG.
  • the mask generation unit 1151 in this example corresponds to the mixed signal vector X (f, tele) and the selection signal in the white space (white space) that whitens the mixed signal vector X (f, ⁇ ) in the frequency domain. Obtain the angle 0 (f, ⁇ ) between the basis vector A (f) and based on the angle 0 (f, ⁇ )
  • Whitening means that the mixed signal vector X (f, ⁇ ) is linearly transformed so that its covariance matrix becomes equal to the unit matrix.
  • the whitening matrix generator 1151a uses the frequency domain mixed signal X (f, ⁇ ) and moves the mixed signal vector X (f, ⁇ ) to the whitening space V (f ) Is generated (step S151).
  • V (f) R (f) _1 / 2 in the case of Q is calculated as a whitening matrix V (f) and stored in the storage area 1112.
  • ⁇ *> denotes a vector obtained by averaging the vector * time * denotes the complex conjugate transpose of *
  • R (f) is an eigenvalue solution
  • D (f) is a diagonal matrix
  • V (f) D (f) " 12 -E (f) H operation
  • D (f) —1/2 is the (-of each element of the diagonal matrix D (f). Since it is equivalent to the diagonal matrix raised to 1/2), it can be calculated by raising the elements of the diagonal matrix D
  • the whitening section 1151b uses the whitening matrix V (f) to generate a mixed signal vector X
  • the angle calculator 1151c calculates an angle ⁇ (f, ⁇ ) formed by the whitened mixed signal vector Z (f, ⁇ ) and the whitened basis vector B (f) for each time frequency ( (Step S153)
  • the angle calculation unit 1151c reads the whitened mixed signal vector Z (f, ⁇ ) and the whitened basis vector B (f) from the storage area 1112 of the memory 1100. And
  • the function computing unit 1151d generates a time-frequency mask M (f, ⁇ ) that is a function having the angle ⁇ (f, ⁇ ) as an element (step SI 54).
  • the function calculation unit 1151d first stores the real parameters ⁇ , g from the storage area 1108 of the memory 1100.
  • the angle ⁇ (f, ⁇ ) is read from the region 1112. Then, the function calculation unit 1151d
  • This parameter specifies the transition point and slope of the time frequency mask M (f, ⁇ ), and pre-processing Is stored in the storage area 1108.
  • Figure 24A shows an example of a time-frequency mask M (f, ⁇ ) calculated according to Eq. (46) for two kinds of real parameters ⁇ , g.
  • the target signal is an audio signal
  • the interference signal component remaining in the mask processing selection signal ⁇ '(f, ⁇ ) is reduced as much as possible to make the mask processing selection signal ⁇ ' (f, ⁇ ) a natural signal.
  • the real number parameters 0 and g may be set for each frequency.
  • step S 105 masking part 1152 processing
  • the masking unit 1152 stores the selection signal Y (f, ⁇ ) from the storage area 1111 of the memory 1100.
  • the time frequency mask M (f, ⁇ ) is read from the memory area 1112.
  • the mask processing selection signal ⁇ '(f, ⁇ ) is obtained by the operation of
  • Equation (4) is
  • Equation (49) k is a subscript corresponding to each signal source, and is determined for each time frequency position (f, ⁇ ). Therefore, at the time frequency position (f, ⁇ ) where the target signal is only active or close to it, the whitened mixed signal vector Z (f, ⁇ ) is
  • the time frequency mask M (f, ⁇ ) uses the mask processing selection signal ⁇ '( ⁇ ⁇ , ⁇ ) as the mask signal selection signal ⁇ ⁇ ⁇ ⁇ ⁇ ' ( ⁇ ⁇ , ⁇ ).
  • the time-frequency masking process using the time-frequency mask M (f, ⁇ ) further suppresses the interference signal component remaining in the selected signal Y (f, ⁇ ).
  • This time-frequency masking process is particularly effective for signals with sparsity such as voice and music.
  • the sparsity is low, even if the target signal is active at the time frequency position (f, ⁇ ), many other disturbing signal components are included, and the approximation of Equation (49) does not hold, and the angle 0 (f, This is because ⁇ ) is far from zero.
  • Degree 0 (f, ⁇ ) is also away from 0. This is the time frequency where the target signal is active.
  • Equation (52) For example, if the power of the target signal is sufficiently larger than the power of the jamming signal, the contribution of the jamming signal in Equation (52) is low, and the whitened mixed signal vector Z (f, ⁇ ) and the whitening basis vector
  • the angle ⁇ (f, t) formed by B (f) approaches 0. This is because the signal at the time frequency position (f, t) where the target signal is active is excluded from the masking selection signal Y '(f, ⁇ ) force.
  • step S105 masking unit 1152
  • This embodiment is a modification of the third embodiment, and is different from the third embodiment only in that the processing using the time-frequency mask is not performed.
  • differences from the third embodiment will be mainly described, and description of matters common to the third embodiment will be omitted.
  • FIG. 25 is an example of a block diagram of a signal separation device 1200 according to the fourth embodiment.
  • the signal separator 1200 according to the present embodiment is different from the signal separator 1001 in that the memory 1100 does not have the storage areas 1112 and 1113, and the time frequency masking unit 1150 is provided. Do not have a point.
  • FIG. 26 is a flowchart for explaining the processing of the signal separation device 1200 according to the fourth embodiment. In the following, the description will focus on the differences from the third embodiment.
  • the frequency domain conversion unit 1120 converts these into a frequency domain mixed signal X (f, ⁇ ) by short-time Fourier transform or the like, and stores it in the storage area 1102 of the memory 1100 (step S161).
  • the signal separation unit 1130 reads the mixed signal X (f, ⁇ ) in the frequency domain from the storage area 1102 of the memory 1100.
  • the calculated separation matrix W (f) is stored in the storage area 1103 of the memory 1100.
  • the separated signal vector Y (f, ⁇ ) [Y (f, ⁇ ), ⁇ , Y (f, ⁇ )] ⁇
  • the separated signal ⁇ (f, ⁇ ) (pe ⁇ 1,..., M ⁇ ) to be configured is stored in the storage area 1107.
  • the target signal selection unit 1140 reads the separation matrix W (f) from the storage area 1103 of the memory 1100, normalizes the basis vector that is the column of the general inverse matrix, and outputs the normal vector. Cluster the specified basis vectors. Then, the target signal selection unit 1140 selects the selection signal Y (f, ⁇ ) for each frequency f from the separated signals in the storage area 1107 of the memory 1100 using the variance of the cluster as an index, and the storage area of the memory 1100 Store in 1111 (step S163).
  • the separation signal Y (f, ⁇ ) selected from the storage area 1111 of the memory 1100 is read out, and subjected to a short-time inverse Fourier transform or the like to perform the short-time inverse separation signal y (t ) Is generated and stored in the storage area 1114 of the memory 1100 (step S16 4).
  • This embodiment is a modification of the third embodiment, and only the method for generating a time-frequency mask is different from the third embodiment. In the following, differences from the third embodiment will be mainly described, and description of matters common to the third embodiment will be omitted.
  • FIG. 27 is an example of a block diagram of a signal separation device 1300 according to the fifth embodiment.
  • the FIG. 28A is a block diagram showing a detailed configuration of the time-frequency masking unit 1350 in FIG. 27, and
  • FIG. 28B is a block diagram showing a detailed configuration of the mask generation unit 1351 in FIG. 28A.
  • parts common to the third embodiment are denoted by the same reference numerals as those of the third embodiment.
  • the signal separation device 1300 of the present embodiment is different from the signal separation device 1001 in that the signal separation device 1300 has a time frequency masking unit 1350 instead of the time frequency masking unit 1150.
  • the memory 1100 has a memory area 1308, 1312 instead of the memory area 1108, 1112.
  • the time frequency masking unit 1350 includes a mask generation unit 1351 and a masking unit 1152.
  • the mask generation unit 1351 includes a frequency normalization unit 1351a, a norm normalization unit 1351b, a centroid extraction unit 1351c, a square distance calculation unit 135 Id, and a function generation unit 1 351e.
  • the frequency normal part 1351a includes a first normal part 1351aa and a second normal part 135 lab
  • the centroid extraction part 1351c includes a centroid selection part 1 35 lea and a norm normalization. Part 135 lcb.
  • step S104 The difference between the present embodiment and the third embodiment is only the time-frequency mask generation process (step S104). Only the time-frequency mask generation process of this embodiment will be described below.
  • FIG. 29 is a flowchart for explaining a time-frequency mask generation process according to the fifth embodiment.
  • FIG. 30A is a flowchart for explaining details of step S171 in FIG.
  • FIG. 30B is a flowchart for explaining details of step S172 in FIG.
  • the time-frequency mask generation process of this embodiment will be described with reference to these drawings.
  • the frequency normalization unit 1351a of the mask generation unit 1351 performs the mixed signal vector X composed of the frequency domain mixed signal X (f, TE) stored in the storage area 1102 of the memory 1100.
  • (f, ⁇ ) is normalized to a frequency-independent frequency normalization vector X ′ (f, ⁇ ) (frequency normalization), and each element X (f ( ⁇ ,)) of the frequency normalization vector X ′ (f, ⁇ ) , ⁇ ) are stored in the storage area 1312 of the memory 1100 (step S171).
  • step S171 Details of this frequency normalization process (step S171) will be described below.
  • control unit 1170 assigns 1 to parameter q and stores it in temporary memory 1180 (step S181).
  • the frequency normalization unit 1351a (FIG. 28B)
  • the aforementioned parameters d, c, and Q are read from the storage area 1308 of the memory 1100, and the mixed signal vector X (corresponding to each (f, ⁇ ) is read from the storage area 1102.
  • the frequency normal part 1351a is given by [Equation 44]
  • the first normal part 1351aa of the frequency normal part 1351a is based on one specific element X (f, ⁇ ) of the mixed signal vector X (f, ⁇ ) as a reference.
  • the declination of each element X (f, ⁇ ) of the vector X (f, ⁇ ) is normalized by the following operation.
  • the norm normalization unit 1351b force of the mask generation unit 1351 The frequency normalization vector X ′ (f, ⁇ ) composed of the elements X (f, ⁇ ) stored in the storage area 131 2 of the memory 1100 Is normalized to the norm normality vector X, '(f, ⁇ ) with a predetermined norm (1 in this example) (norm normalization), and each of these elements X "(f, ⁇ ) is Store in the storage area 1312 (step S172 2).
  • step S 172 Details of the norm normality process (step S 172) will be described below.
  • the norm II X '(f, ⁇ ) II is obtained by performing the above operation, and the frequency normality ⁇ vector X' (f, ⁇ ) and norm II X '(f, ⁇ ) II are stored in the temporary memory 1180 (Step S185).
  • the norm normal part 1351b reads the frequency normalization vector X ′ (f, ⁇ ) and norm II X ′ (f, ⁇ ) II corresponding to each (f, ⁇ ) from the temporary memory 1180,
  • the norm normalization vector X "(f, ⁇ ) is obtained by performing the above operation (step S 186).
  • step S172 (norm normalization process (step S17 2 ) End of detailed description).
  • the centroid selection unit 1351ca of the centroid extraction unit 1351c reads the cluster selection information t in the temporary memory 1180 (see step S141), and this cluster selection information t Is read from the storage area 1110 of the memory 1100 (step S1 73).
  • the norm normal part 135 lcb normalizes the norm of the centroid 7? Read by the centroid selector 135 lea to a predetermined value (a predetermined value in step S 172 (1 in this example)). .
  • This norm-normalized centroid 7 ⁇ is called a norm-normalized centroid 7 ⁇ (step S174).
  • the norm normalization procedure is the same as steps S185 and S186.
  • the norm normalized centroid ⁇ is stored in the storage area 1312 of the memory 1100.
  • the square distance calculation unit 1351d reads the norm normalization vector X "(f, t) and the norm normality ⁇ centroid 7?, From the storage area 1312 of the memory 1100, and calculates the distance between them.
  • Step S 175 and the square DS (f, ⁇ ) of the distance is stored in the storage area 1312 of the memory 1100.
  • the function generation unit 1351e reads the square of the distance DS (f, ⁇ ) from the storage area 1312 of the memory 1100, generates a time frequency mask M (f, ⁇ ) using a function having this as a variable, Store in the storage area 1312 of the memory 1100 (step S176). Specifically, the function generator 1351e reads the real parameters g and D from the storage area 1308 of the memory 1100, for example.
  • the following logistic function is generated as a time-frequency mask M (DS (f, ⁇ )). Note that D is stored in the storage area 1308 in advance. E is the number of napiers
  • the volume of all speakers was set to be approximately equal, and only the volume of special speakers was not significantly increased.
  • Mixing at the microphone was made by convolving 6-second English speech sampled at 8 kHz with the measured impulse response.
  • the microphone arrangement is based on the system (equipment) equipped with a three-dimensional force signal separation device. The maximum distance (3.5 cm) between the reference microphone (Mic.2) and other microphones Only information is given, and no detailed microphone arrangement is given. In each experiment, one of the four speaker positions (al20, bl20, cl20, and cl70) close to the microphone was selected as the target sound source, and the remaining three speakers were silent.
  • InputSIR 10 log 10 11 1 ⁇ -(d ⁇ )
  • FIG. 31B is a table showing the average improvement in SIR when only ICA is used (fourth embodiment) and when both ICA and time-frequency masking are combined (third embodiment). .
  • the amount of improvement in SIR is slightly affected by the position of the target sound source, but generally good results have been obtained. Good results at positions al20 and bl20 This is because the disturbing sound comes from different positions.
  • the positions cl20 and cl70 seem to be difficult because there are many disturbing sounds coming from the same direction when viewed two-dimensionally, but the results at position cl70 were actually very good.
  • the signal separation unit 1130 calculates the separation matrix W (f) of the ⁇ row ⁇ column, but the separation matrix W (f) other than the square matrix such as N rows and M columns. It may be configured to calculate In this case, the basis vector is each column of the generalized inverse matrix W + (f) of the separation matrix W (f) (for example, the Moore-Penrose generalized inverse matrix).
  • the selection signal Y (f, ⁇ ) is used using a time-frequency mask.
  • the signal separation unit 1130 calculates the separation matrix and the separation signal using independent component analysis (ICA), but the time frequency mask (time frequency Each mask, for example, a binary mask that takes a value of 1 or 0) (For example, “ ⁇ . Yilmaz and S. Rickard,” “Blind separation of speec h mixture via time-frequency masking, IEEE Trans, an SP, vol. 52, no. 7, pp. 183 0- 1847, 2004.), and the calculation result power may be generated as a separation matrix.
  • the first normal part 114 2aa of the frequency normal part 1142a is based on one specific element A (f) of the basis vector A (f). Part of (35)
  • the first normalization unit 1142a a uses a specific element A (f) of the basis vector A (f) as a reference,
  • the basis vector A (f) is a specific element of the basis vector A (f) as a reference.
  • It may be configured to normalize the declination of each element A (f) of (f)! /.
  • the frequency normalization unit 1142a may perform the frequency normalization by the calculation of the above-described equations (28-1) to (28-4) instead of the equation (35).
  • the norm normalization unit 1142b performs the normal norm so that the norm is 1 so that the norm becomes 1, the normal norm may be performed so that the norm becomes a specified value other than 1. Good. Furthermore, the norm normality unit 1142b may not be provided, and a configuration in which norm normality is not performed may be employed. As described above, clustering in this case is performed based on the similarity in the direction of the vector.
  • the parameter d may be the same for all the sensors q! /, And a plurality of values may be set for each sensor q. For example, the distance between the reference sensor and sensor q can be used as the value of parameter d corresponding to each sensor q.
  • the above-described principle is used to perform signal separation by easily and efficiently using all the observation signal power obtained without requiring strict sensor placement information.
  • a “mixed signal vector” described later corresponds to the “complex vector” described above.
  • the signal separation device 2001 of this embodiment is also configured by reading a signal separation program into a known Neumann computer.
  • Figure 32 shows the sixth It is the block diagram which illustrated the composition of signal separation device 2001 in the embodiment.
  • FIG. 33 is a block diagram illustrating details of the signal separation unit 2120 in FIG. In these figures, the solid line arrows indicate the actual data flow, and the broken line arrows indicate the theoretical information flow. In these figures, arrows corresponding to the flow of data entering and exiting the control unit 2140 are omitted.
  • the signal separation device 2001 includes a memory 2100, a frequency domain conversion unit 2110 (including a function corresponding to a “complex vector generation unit”), a signal separation unit 2120, a time domain.
  • a conversion unit 2130 and a control unit 2140 are included.
  • the signal separation unit 2120 includes a frequency normalization unit 2121 (which constitutes a “normalization unit”), a norm normalization unit 2122 (which constitutes a “normalization unit”), a clustering unit 2123, and a separation signal generation unit 2124. is doing.
  • the frequency normal part 2121 has a first normal part 2121a and a second normal part 2121b.
  • the control unit 2140 has a temporary memory 2141.
  • the memory 2100 and the temporary memory 2141 correspond to the register 10ac, the auxiliary storage device 10f, the RAMIOd, and the like.
  • the frequency domain conversion unit 2110, the signal separation unit 2120, the time domain conversion unit 2130, and the control unit 2140 are configured by the CPU program being read by the OS program and the signal separation program being executed by the CPU program. It is.
  • N source signals are mixed and treated by M sensors.
  • the reference value Q, Q ′ selected from natural numbers less than or equal to M subscript number of the reference sensor in which M sensor forces are also selected
  • each parameter of the real number d are stored in the storage area 2105.
  • FIG. 34 is a flowchart for explaining the overall processing of the signal separation device 2001 according to this embodiment. Hereinafter, the processing of the signal separation device 2001 in this embodiment will be described with reference to this figure.
  • the time domain is stored from the storage area 2101 of the memory 2100.
  • the frequency normality unit 2121 of the signal separator 2120 reads the mixed signal X (f, ⁇ ) in the frequency domain from the storage area 2102 of the memory 2100.
  • step S202 To normalize (step S202). Each generated frequency normalization vector X ′ (f, ⁇ ) is stored in the storage area 2103 of the memory 2100. Details of the process in step S202 will be described later.
  • each frequency normality vector X, (f, ⁇ ) is read from the storage area 2103 of the memory 2100, and the norm is a predetermined value (for example, The norm normalization vector X "(f, ⁇ ) becomes 1).
  • the norm normalization unit 2122 stores the generated norm normality vector X" (f, ⁇ ) in the memory 2100. Store in area 2 104 (step S203). Details of this will be described later.
  • each norm normality vector X ′′ (f, ⁇ ) is read from the storage area 2104 of the memory 2100, and these are clustered to generate a cluster.
  • step S204 Store in the storage area 2106 (step S204). Details of this will be described later.
  • the separation signal generation unit 2124 of the signal separation unit 2120 reads the cluster information C and the reference value Q ′ from the storage areas 2106 and 2105 of the memory 2100. And the separated signal raw k
  • the formation unit 2124 uses the cluster information C and the reference value Q ′, and the norm belonging to the kth cluster
  • the separated signal generator 2124 stores the generated separated signal vector Y (f, ⁇ ) in the storage area 2107 of the memory 2100 (step S 205). In addition, this Details will be described later.
  • the time domain transform unit 2130 reads the separated signal vector Y (f, ⁇ ) from the storage area 2107 of the memory 2100 and reverses the separated signal component Y (f, ⁇ ) for each subscript k for a short time. k
  • the time domain conversion unit 2130 converts the converted time domain separation signal y (t) into the storage area 2108 k of the memory 2100.
  • normality in this form consists of frequency normalization and norm normalization.
  • the mixed signal vector X (f, ⁇ ) is normalized to the frequency-independent frequency normalization vector X '(f, t).
  • frequency normalization vector X '(f, ⁇ ) is normalized to norm normal vector X "(f, ⁇ ) where norm takes a specified value (1 in this example). The Details of these regular keys will be described below.
  • FIG. 35B is a flowchart for explaining details of the processing in step S202 shown in FIG. Hereinafter, the details of the process of step S202 will be described with reference to FIG.
  • the first normal part 2121a of the frequency normal part 2121 performs the mixing based on one specific element X (f, ⁇ ) of the mixed signal vector X (f, ⁇ ).
  • the declination of each element X (f, ⁇ ) of the signal vector X (f, ⁇ ) is normalized by the following calculation.
  • FIG. 35B is a flowchart for explaining details of the process of step S203 shown in FIG. Hereinafter, the details of the processing in step S303 will be described with reference to FIG.
  • the frequency normalized vector X '(f, ⁇ ) [ ⁇ ' corresponding to each (f, ⁇ ) in the memory 2100 (f, te),.,., ⁇ '(f, te;)]' Include.
  • the norm normal part 2122 reads the frequency normalization vector X ′ (f, ⁇ ) and norm II X ′ (f, ⁇ ) II corresponding to each (f, t) from the temporary memory 2141,
  • the norm normalization vector X ′′ (f, ⁇ ) is obtained by performing the above operation (step S222). Each obtained norm normalization vector X ′′ (f, ⁇ ) is stored in the storage area 2104 of the memory 2100. . Thereby, the process of step S203 is completed.
  • the norm-normal vector X "(f, t) generated in this way is a vector that does not depend on the frequency but depends only on the position of the signal source. As a result, this norm-normal vector X "(f, t) will form a cluster. The reason for this will be described below.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

　周波数領域変換部２が、複数のセンサで観測された前記混合信号を、周波数領域の混合信号に変換し、複素ベクトル生成部３が、周波数領域の混合信号を用いて複素ベクトルを生成し、正規化部４が、当該複素ベクトルの周波数依存性を排除した正規化ベクトルを生成し、クラスタリング部５が正規化ベクトルをクラスタリングし、クラスタを生成する。そして、分離信号生成部６がクラスタの情報を用いて周波数領域の分離信号を生成し、時間領域変換部７が、周波数領域の分離信号を時間領域の分離信号に変換する。

Description

信号分離装置、信号分離方法、信号分離プログラム及び記録媒体 技術分野
[0001] 本発明は、信号処理の技術分野に属し、特に複数の源信号が空間内で混合され た混合信号から源信号を抽出する技術に関する。
背景技術
[0002] 複数のセンサを用いることによりある信号を抽出してその他の信号を抑圧する従来 の技術として、ビームフォーマ（beamformer) (ビームフォーミング（beamforming)とも呼 ぶ）が広く知られている（例えば、非特許文献 1参照)。しかし、ビームフォーマでは、 目的信号の方向に関する情報を必要とするため、そのような情報が得られない (また は推定できな 、)状況では利用しにく 、と 、う欠点がある。
また、より新しい別の技術としては、ブラインド信号分離（BSS : Blind Signal Separatio n)が挙げられる（例えば、非特許文献 2参照)。これは、上記ビームフォーマが必要と した情報を必要としな 、と 、う点で優れており、様々な状況での利用が期待されて ヽ る。以下、このブラインド信号分離による信号分離について説明する。
[0003] [ブラインド信号分離]
まず、ブラインド信号分離の定式ィ匕を行う。すべての信号はあるサンプリング周波数 fでサンプリングされ、離散的に表現されるものとする。また、 N個の信号が混合され s
て M個のセンサで観測されたとする。以下では、信号の発生源力 センサまでの距 離により信号が減衰 '遅延し、また壁などにより信号が反射して伝送路の歪みが発生 しうる状況を扱う。このような状況で混合される信号は、信号源 kからセンサ q (qはセン サの番号を示す〔q= l, · ··, M〕。また、 kは信号源の番号を示す〔k= l, · ··, N〕。 ) へのインパルス応答 h (r)による畳み込み混合
qk
[0004] [数 1] xq(t) =∑∑hqk(r) sk(t - r) … ( 1 )
k=l r=0 で表現できる。ここで tはサンプリング時刻を示している。また、 S (t)は、サンプリング 時刻 tにおいて信号源力 発せられる源信号を示しており、 X (t)は、サンプリング時 刻 tにおいてセンサ qで観測される信号を示している。また、 rは掃引のための変数を 示している。
一般的なインパルス応答 h (r)は、適当な時間経過後にパルス的な強い応答を持 ち、時間と共に減衰していく。ブラインド信号分離の目的は、源信号 s (t),〜,s (t)や
1 N インパルス応答 h (r),-,h (r),-,h (r),-,h (r)を知らずに、観測信号 (以下「混
11 IN Ml N
合信号」と呼ぶ) X 号 s
1 ω,···,χ ωのみから、源信
1 ω,···,8
N ωにそれぞれ対応する 分離信号 y (t),〜,y (t)を求めることにある。
1 N
[0005] [周波数領域]
次に、従来のブラインド信号分離の手順について説明する。
ここでは周波数領域にぉ 、て分離の操作を行う。そのためにセンサ qでの混合信号 X (t)に L点の短時間離散フーリエ変換（STFT: Short- Time Fourier Transform)を適 q
用し、周波数ごとの時間系列
[0006] [数 2]
(L/2)— 1
Xn(f,て) = ∑ x qq(r + r)g(r)e-^fr … （2)
r=-L/2 を求める。ここで fは周波数であり M),f/lv'-,f (L-l)/Lと離散化されている（f はサン プリング周波数)。また、 τは離散時間であり、 jは虚数単位である。さらに g(r)は窓関 数である。窓関数としては、例えば、ハユング
[0007] [数 3]
Figure imgf000004_0001
などの g(0)にパワーの中心を持つ窓関数を用いる。この場合、 X (f, τ )は時刻 t= τ を中心とする混合信号 x (t)の周波数特性を表現する。なお、 X (f, τ )は Lサンプル にわたる情報を含んでいるため、すべてのてに対して X (f, τ )を求める必要はなぐ 適当な間隔の τごとに X (f, τ )を求める。
周波数領域で処理を行うと、式（1)で示される時間領域での畳み込み混合が、 [0008] [数 4]
Figure imgf000005_0001
と各周波数での単純混合に近似表現でき、分離の操作が単純になる。ここで、 H (f) qk は源信号 kからセンサ qまでの周波数応答であり、 S (f, τ )は式（2)と同様な式に従つ k
て源信号 s (t)に短時間離散フーリエ変換を施したものである。ベ外ルを用いて式（ k
3)を表記すると、
[0009] [数 5]
X(f^)=∑Hk(f)Sk(f,r) … (4)
k=l となる。ここで、 X(f, τ )=[X (f, τ ) -,Χ (f, τ )]Tは混合信号ベクトル、 H (f)=[H (f) ,
1 k lk
••·,Η (f)]Tは信号源 kから各センサへの周波数応答をまとめたベクトルである。なお k
、 WTは Wの転置ベクトルを示す。
[独立成分分析による信号分離]
ブラインド信号分離手法の 1つとして、独立成分分析（ICA:Independent Component Analysis) による信号分離がある。この ICAによる手法では、混合信号ベクトル X(f, τ )のみから、 Ν行 Μ列の分離行列 W(f)及び分離信号ベクトル
Y(f, r)=W(f)X(f, τ) ·'·(5)
を算出する。ここで、分離行列 W(f)は、分離信号ベクトル Y(f,て )=[Y (f,て ) ,...,Y (f,
1 N τ)]Τの各要素 (分離信号) Y (f, T),...,Y て）が互いに独立になるように算出され
1 Ν
る。そのためのアルゴリズムには、非特許文献 4に記載されているものなどがある。
[0010] ICAでは信号の独立性に着目して分離を行うため、得られる分離信号 Y (f, τ )
1
Y (f, τ )には、順序の任意性がある。信号の順序が入れ替わってもそれらの独立性
Ν
は保たれるからである。この順序の任意性の問題は、パーミュテーシヨン（permutation )の問題と呼ばれ、周波数領域での信号分離において非常に重要な問題である。そ して、このパーミュテーシヨンの問題は、同じ源信号 S (f, τ )に対応する分離信号 Y (f k P
, τ )の添字 p力 すべての周波数 fで同じになるように解決されなければならない。 このパーミュテーシヨン問題を解決する従来手法として、例えば非特許文献 5に示さ れるものがある。この手法では、選択された 2つのセンサ（センサペア）の位置を基準 として信号源の位置に関する情報 (方向と距離比)を推定する。そして、複数のセン サペアでの推定値を統合することで、より詳細な位置情報が得られる。そして、これら の位置情報としての推定値をクラスタリングし、同じクラスタに属する推定値は同じ信 号源に対応するものとみなしてパーミュテーシヨン問題を解決する。
[0011] [時間周波数マスクによる信号分離]
また、他のブラインド信号分離手法として、時間周波数マスクによる方法がある。こ の手法は、信号源の数 Nとセンサ数 Mが M< Nの関係にある場合でも有効な信号分 離抽出手法である。
この手法では信号のスパース性を仮定する。スパースとは、信号が殆どの離散時間 τにおいて 0であることを指す。信号のスパース性は、例えば、周波数領域での音声 信号で確認される。信号のスパース性と相互独立性を仮定することで、複数の信号 が同時に存在していても、各時間周波数ポイント (f, τ )では互いに重なって観測され る確率が低いことを仮定できる。よって、各時間周波数ポイント (f, τ )の各センサにお ける混合信号は、その時間周波数ポイント (f, τ )でアクティブな 1つの信号 s (f, τ )の
Ρ
み力 成ると仮定できる。よって、混合信号ベクトルを適当な特徴量によりクラスタリン グし、各クラスタ Cのメンバの時間周波数 (f, τ )に対応する混合信号 X (f, τ )を抽出 k
する時間周波数マスク M (f, τ )を推定し、
k
Y (f, τ ) =Μ (f, τ ) Χ (f, τ )
k k Q'
により、各信号を分離抽出する。ここで、 X (f, τ )は混合信号のうちの 1つであり、 Q ' Ε{1 , · · · ,Μ}である。
[0012] クラスタリングに用いる特徴量としては、例えば、 2つのセンサ（センサ qと基準セン サ Q〔なお、 Qを基準値と呼び、基準値 Qに対応するセンサを基準センサ Qと表記す る。〕）における混合信号の位相差
[0013] [数 6]
XQ (f, t)
φ(ΐ, νη) = Ζ q … （8 )
Xo (f,て） 力 計算される信号の推定到来方向（Direction of Arrival ： DOA)
[0014] [数 7]
0(f,r) = cos 1 ぃ ノ ~ · · · ( 9 )
2π - ΐ · ά を例示できる（例えば、非特許文献 3参照)。なお、 dはセンサ qと基準センサ Qとの距 離であり、 cは信号速度である。また、クラスタリングには、 k-means法 (例えば、非特許 文献 6参照）等を用いることができる。また、時間周波数マスク M (f, τ )としては、例え
k
ばそれぞれのクラスタ Cに属するメンバの平均値 0 〜 θ 〜 , · · ·, Θ 〜を求め、
k 1 2 N
[0015] [数 8]
Figure imgf000007_0001
otnerwise のようにして生成したものを用いることができる。ここで Δは信号を抽出する範囲を与 える。この方法では、 Δを小さくすると、よい分離抽出性能が得られるが非線形型歪 みは大きくなる。また、 Δを大きくすると、非線形型歪みは減少するが分離性能が劣 化する。
その他、クラスタリングの特徴量として、 2つのセンサ（センサ qと基準センサ Q)にお ける混合信号の位相差 (式 (8) )や両者のゲイン比
[0016] [数 9]
Xa (f,て)
α(ί, τ) =
XQ (f,て) を用いてもよい。
非特許文献 1 : B. D. Van Veen and K. M. Buckley, Beamforming: a versatile approa ch to spacial filtering," IEEE ASSP Magazine, pp. 4-24, April 1988
非特許文献 2 : S. Haykin, eds, "Unsupervised Adaptive Filtering," John-Wiley & Son s, 2000, ISBN 0-471-29412-8
非特許文献 3 : S. Araki, S. Makino, A. Blin, R. Mukai, and H. Sawada, "Underdeterm ined blind separation for speech in real environments with sparseness and ICA, in P roc. ICASSP 2004, vol. Ill, May 2004, pp. 881-884
非特許文献 4 : A. Hyvarinen and J. Karhunen and E. Oja, "Independent Component Analysis," John Wiley & Sons, 2001, ISBN 0-471-40540
非特許文献 5 : R. Mukai, H. Sawada, S. Araki and S. Makino, "Frequency Domain Bli nd Source Separation using Small and Large Spacing Sensor Pairs, in Proc. of ISCA S 2004, vol. V, pp.1-4, May 2004.
非特許文献 6 : R. O. Duda, P. E. Hart, and D. G. Stork, Pattern Classification, Wile y Interscience, 2nd edition, 2000
発明の開示
発明が解決しょうとする課題
[0017] しかし、上述した従来の技術では、複数のセンサによる観測信号力 得られた情報 を容易かつ効率的に利用して信号分離処理を行うことができないという問題点があつ た。
例えば、独立成分分析による信号分離の場合、正確にパーミュテーシヨン問題を解 決するためには繁雑な操作が必要となるという問題がある。すなわち、従来のパーミ ュテーシヨン問題の解決手法では、センサペア毎に方向と距離比とが推定される。従 つて、正確にパーミュテーシヨン問題を解決するためには複数のセンサペアでの推定 値を統合する必要があった。また、この推定値には誤差が含まれているが、より誤差 が少な!/、と思われるセンサペアを優先的に用いたり、誤差をうまく吸収できるように統 合方法を工夫したりする必要があった。さらに、この従来手法では、信号源の位置に 関する情報を推定する必要性から、センサの位置情報をあらかじめ取得しておかな ければならないという問題点もあった。これはセンサを不規則に配置する場合に不利 である。また、たとえセンサを規則的に配置するとしても、配置情報を厳密に知ること は困難であり、より正確なパーミュテーシヨン問題の解決のためにはキヤリブレーショ ンなどの操作を必要とする。
[0018] また、従来の時間周波数マスクによる信号分離手法の場合、センサが 2個の場合の ための手法しか提案されておらず、センサが 3個以上ある場合であっても、そのうち 特定の 2つのセンサ q, Qのみの情報しか用いずに特徴量を計算していた。これは次 元の低下を意味し、全てのセンサを用いる場合に比べて情報量が欠落する。そのた め、全てのセンサの情報を効率的に使えず性能に限度があった。また、全てのセン サの情報を有効利用するには、例えば、非特許文献 5にならつて、複数のセンサペア で求めた特徴量を統合することも可能であろうが、この統合のためには、特徴量抽出 のための更なる処理が必要であり、より統合誤差が少ないと思われるセンサペアを優 先的に用いるなど、統合の際に工夫する必要があると思われる。さらに、この手法で も、センサの厳密な配置情報をあら力じめ知っておかなければならないという問題点 がある。これは、センサを自由に配置する場合に不利である。また、たとえ規則的に 配置するとしても、配置情報を厳密に知ることは困難であり、より正確な信号抽出のた めにはキャリブレーションなどの操作を必要とする。
[0019] さらに、ブラインド信号分離の処理の基本は、センサで観測された混合信号を分離 して、複数の分離信号を出力することである。しかし、すべての分離信号が重要なわ けではなぐ一部の分離信号のみに目的とする目的信号が含まれていることもある。 そのような場合、目的信号が含まれている分離信号を選択する必要があるが、従来 のブラインド信号分離では、どの分離信号に目的信号が含まれているかという情報ま では提供されない。従って、何らかの別の手段によって、どの分離信号に目的信号 が含まれて 、るかを判定しなければならな!/、。
[0020] 本発明はこのような点に鑑みてなされたものであり、複数のセンサによる観測信号 力 得られた情報を容易かつ効率的に利用して信号分離処理を行うことが可能な技 術を提供することを目的とする。
課題を解決するための手段
[0021] 本発明では、上記課題を解決するために、まず、周波数領域変換部が、複数のセ ンサで観測された混合信号を、周波数領域の混合信号に変換する。次に、正規化部 力 当該周波数領域の混合信号を用いて生成された複素ベクトルを正規化し、当該 複素ベクトルの周波数依存性を排除した正規化ベクトルを生成する。次に、クラスタリ ング部力 当該正規ィ匕ベクトルをクラスタリングし、クラスタを生成する。そして、このク ラスタを用いて信号分離処理を行う。
ここで、当該クラスタの生成には、混合信号を観測する各センサの厳密な位置情報 を、入力情報として直接用いることは必要としない。また、各クラスタは、各信号源の 位置に依存する情報に基づき形成される。これらより、本発明では、各センサの厳密 な位置情報を用いることなぐ信号分離処理が可能となる。
[0022] また、本発明において好ましくは、正規ィ匕部は、複素ベクトルが具備する特定の 1 つの要素を基準として当該複素ベクトルの各要素の偏角を正規ィヒする第 1正規ィ匕部 と、第 1正規ィ匕部で正規化された各要素の偏角を周波数に比例した値で除算する第 2正規化部とを有する。
これらの正規化後の複素ベクトルは、信号源の位置に依存したクラスタを形成する 。これにより、各センサの厳密な位置情報を用いることなぐ信号分離処理を行うこと が可能となる。
[0023] また、本発明において好ましくは、正規ィ匕部は、第 2正規化部で正規化された各要 素からなるベクトルのノルムを所定の値に正規ィ匕する第 3正規ィ匕部をさらに有する。 これらの正規化後の複素ベクトルは、信号源の位置に依存したクラスタを形成する 。また、第 2正規ィ匕された各要素力もなるベクトルのノルムを正規ィ匕することにより、ク ラスタリングの処理が簡略ィ匕される。
また、好ましい第 1の本発明では、まず、周波数領域変換部が、複数のセンサで観 測された混合信号を、周波数領域の混合信号に変換する。次に、分離行列算出部 力 周波数領域の混合信号を用いて、周波数毎に分離行列を算出し、逆行列算出 部が、分離行列の一般ィ匕逆行列を算出する。次に、基底ベクトル正規化部が、一般 化逆行列を構成する基底ベクトルの正規化を行い、正規化基底ベクトルを算出する 。次に、クラスタリング部力 正規ィ匕基底ベクトルをクラスタリングし、クラスタを生成す る。その後、順列算出部が、クラスタの中心ベクトルと正規ィ匕基底ベクトルとを用い、 分離行列の要素を並び替えるための順列を算出する。なお、基底ベクトルは、複素 ベクトルに含まれる概念である。
[0024] この第 1の本発明では、基底ベクトルを正規ィ匕してクラスタリングし、パーミュテーシ ヨン問題解決のための順列を算出する。そのため、このクラスタリングに際し、センサ の位置情報をあら力じめ取得しておく必要がない。さらに、この好ましい本発明では、 正規ィ匕基底ベクトルのすべての要素を対象としてクラスタリングを行 、、その結果から パーミュテーシヨン問題解決のための順列を算出する。そのため、従来のように推定 結果を統合するための操作を必要としな 、。
また、当該第 1の本発明において、より好ましくは、基底ベクトル正規化部は、基底 ベクトルの周波数依存性を排除する正規化を行う。そして、より好ましくは、当該基底 ベクトルの周波数依存性を排除する正規化は、基底ベクトルが具備する特定の 1つ の要素を基準として当該基底ベクトルの各要素の偏角を正規化し、さらに、各要素の 偏角を周波数に比例した値で除算する正規ィ匕である。このような正規ィ匕により、信号 源の位置に依存したクラスタの形成が可能となる。
[0025] また、当該第 1の本発明において、より好ましくは、基底ベクトルの周波数依存性を 排除する正規化は、基底ベクトル A (f) (p = l, ..., Ν、 Νは信号源の数)の各要素 A
P OP
(f) (q= l,…， M、 Mは混合信号を観測するセンサの数）に対し、
[0026] [数 10]
.arg[Aqp(f)/AQp(f)]
A p'i H Aqpi l exp ( 10)
J一 4fc-]d の演算を行う正規ィ匕である。ただし、 expをネピア数とし、 arg[ ' ]を偏角とし、 fを周波 数とし、 jを虚数単位とし、 cを信号の伝達速度とし、 Qを M以下の自然数から選択さ れた基準値とし、 dを実数とする。すなわち、式（10)の演算によって行われる正規ィ匕 は、基底ベクトルが具備する特定の 1つの要素を基準として当該基底ベクトルの各要 素の偏角を正規化し、さらに、各要素の偏角を周波数に比例した値で除算する正規 化である。この正規ィ匕により、周波数への依存性を排除できる。また、当該正規化に は、センサの厳密な配置情報を必要としない。
[0027] また、上述の式（10)の実数 dは、要素 A (f)に対応する基準センサ Qと他のセンサ
QP
との最大距離 d であることが望ましい。クラスタリングの精度が一般的に向上するか max
らである。この詳細は後述する。
また、第 1の本発明において好ましくは、基底ベクトルを周波数に依存しない周波 数正規化ベクトルに正規化し、この周波数正規ィ匕ベクトルをノルムが規定値をとる正 規化基底ベクトルに正規化する。以上の二段階の正規化によって生成された正規化 基底ベクトルは、周波数に依存せず、信号源の位置のみに依存する。なお、ノルムの 正規化により、クラスタリングの処理が簡略ィ匕できる。
[0028] さらにまた、第 1の本発明において好ましくは、分離信号のエンベロープ (分離信号 の絶対値の包絡線）とクラスタの中心ベクトルと正規ィ匕基底ベクトルとを用いて順列を 算出する。これにより、より精度よくパーミュテーシヨン問題を解決することができる。 また、好ましい第 2の本発明では、周波数領域変換部が、複数のセンサで観測され た混合信号を周波数領域の混合信号に変換し、信号分離部が、周波数領域の混合 信号を用い、周波数毎に分離行列と分離信号とを算出する。そして、目的信号選択 部が、複数の分離信号から、目的信号を含むものを選択信号として選択する。その 手順は、分離行列の一般ィ匕逆行列の列である基底ベクトルを正規ィ匕し、その正規ィ匕 された基底ベクトルをクラスタリングし、そのクラスタの分散を指標として選択信号を決 定するものである。なお、分離行列が正方行列の場合、「一般ィ匕逆行列」は逆行列に 相当する。すなわち、ここでの一般ィ匕逆行列は、通常の逆行列をも含む概念である。
[0029] クラスタの分散を指標とすることで、センサに近い信号を目的信号として位置付け、 そのような目的信号を含む分離信号を選択信号として選び出すことができる。その理 由を以下に述べる。ここで、基底ベクトルの正規化は、複数の信号源から発せられた 信号の畳み込み混合を所定のモデル (例えば、近距離場モデル）に近似した場合に 、正規化された基底ベクトルが信号源の位置のみに依存したクラスタを形成するよう に行われる。しかし、実環境では、このようなモデルに反映されない様々な因子が存 在する。例えば、近距離場モデルでは、信号が壁などに反射することによって生じる 伝送歪みが反映されない。このような実環境とモデルとの乖離は、信号源力 センサ までの距離が大きいほど大きくなり、センサに近い信号ほど小さくなる。従って、セン サに近い信号ほど実環境に近い条件で正規ィ匕ができ、実環境とモデルとの乖離に 起因するクラスタの分散を小さくできる。好ましい第 2の本発明では、この関係に着目 し、クラスタの分散の大きさを指標として、センサに近い信号である目的信号を含む 選択信号を抽出する。以上の操作により、目的信号を抽出し、他の妨害信号をある 程度抑圧することができる。
[0030] しかし、分離行列及び分離信号の算出を独立成分分析 (ICA: Independent Compo nent Analysis)で行う場合、以上の処理によって完全に抑制できる妨害信号の数は センサの数から 1を引いた数までである。すなわち、妨害信号の数がそれ以上の場合 は抑圧しきれない残留成分が残る。そのため、本発明において好ましくは、更に、マ スク生成部が、周波数領域の混合信号と基底ベクトルとを用いて時間周波数マスクを 生成し、マスキング部が、この時間周波数マスクを、選択された選択信号に適用する 。これにより、信号源の数がセンサ数より多い場合でも、選択信号に残留した妨害信 号をより良く抑圧することができる。
[0031] 更に、第 2の本発明において好ましくは、マスク生成部は、周波数領域の混合信号 を用いて白色化行列を生成し、白色化行列を用い、周波数領域の混合信号を要素 とする混合信号ベクトルを変換した白色化混合信号ベクトルと、基底ベクトルを変換 した白色化基底ベクトルとを算出し、白色化混合信号ベクトルと白色化基底ベクトル とがなす角度を時間周波数毎に算出し、この角度を要素とする関数を用いて時間周 波数マスクを生成する。この時間周波数マスクを選択信号に適用することにより、選 択信号に残留した妨害信号を更に抑圧できる。
[0032] また更に、第 2の本発明において好ましくは、白色化行列が、周波数を fとし、離散 時間をてとし、混合信号ベクトルを X(f, τ )とし、ベクトル *を時間平均したベクトルを く *〉 とし、ベクトル *の複素共役転置ベクトル (各要素の複素共役を採り転置したベ タトル)を *Ηとし、 R(f)=<X(f, τ ) 'X(f, τ )H〉 とした場合における V(f)=R(f)_1/2である 。そして、 Z(f,て )=V(f) -X(f, τ )の演算により、白色化混合信号ベクトル Z(f, τ )を算 出し、基底ベクトルを A(f)とした場合における B(f)=V(f) 'A(f)の演算により、白色化 基底ベクトル B(f)を算出する。また、ベクトル *の絶対値を I * Iとし、ベクトル *の ノルムを II * IIとした場合における Θ (f,て )=cos_1(|BH(f) -Z(f, τ )|/ || B(f) I卜 II Z (f, z ) II)の演算により、角度 Θ て）を算出し、 a, g, Θ を実数とした場合における
Τ
ロジスティック関数 Μ ( Θ (f, z )) = a /(l+eg- (θ ¾τ)" ΘΤ))を時間周波数マスクとして算 出する。この時間周波数マスクを、抽出した選択信号に適用することにより、選択信 号に残留した妨害信号を更に抑圧できる。
[0033] また、第 2の本発明において好ましくは、目的信号選択部は、基底ベクトルの周波 数依存性を排除する正規化を行う。第 2の本発明において、より好ましくは、基底べク トルの周波数依存性を排除する正規化は、基底ベクトルが具備する特定の 1つの要 素を基準 sとして当該基底ベクトルの各要素の偏角を正規ィ匕し、さらに、各要素の偏 角を周波数に比例した値で除算する正規ィ匕である。またさらに、第 2の本発明におい て、好ましくは、基底ベクトルの周波数依存性を排除する正規化は、基底ベクトル A (
P
f) (pは自然数)の各要素 A (f) (q= l, ..., Μ、 Μは混合信号を観測するセンサの数
QP
)に対し、
[0034] [数 11]
Figure imgf000014_0001
の演算を行う正規ィ匕である。ただし、 expをネピア数とし、 arg [ ' ]を偏角とし、 fを周波 数とし、 jを虚数単位とし、 cを信号の伝達速度とし、 Qを M以下の自然数から選択さ れた基準値とし、 dを実数とする。このような正規ィ匕により、複数の信号源から発せら れた信号の畳み込み混合を所定のモデルに近似した場合に、正規ィ匕された基底べ タトルが信号源の位置に依存したクラスタを形成することとなる。その結果、上述のよ うにクラスタの分散の大きさを指標として、 目的信号が含まれる分離信号を選択する ことが可能となる。なお、当該正規ィ匕には、センサの厳密な配置情報を必要としない
[0035] またさらに、上述の式（11)の実数 dは、基準センサ Qと他のセンサとの最大距離 d ma であることが望ましい。クラスタリングの精度が一般的に向上するからである。この詳 細は後述する。
また、第 2の本発明において好ましくは、 目的信号選択部は、分散が最小となるクラ スタを選択し、選択されたクラスタに対応する分離信号を目的信号が含まれるものと して選択する。これにより、モデルからの乖離が最も少ない信号 (例えば、センサに最 も近 、信号)を目的信号として抽出することができる。
[0036] また、好ましい第 3の本発明では、まず、周波数領域変換部が、複数のセンサで観 測された混合信号を周波数領域の混合信号に変換する。次に、ベクトル正規化部が 、周波数領域の混合信号から構成される混合信号ベクトルの正規化を行い、正規ィ匕 ベクトルを算出する。そして、クラスタリング部力 正規ィ匕ベクトルをクラスタリングし、ク ラスタを生成する。その後、分離信号生成部が、 k番目のクラスタに属する正規ィ匕べク トルの時間周波数に対応する混合信号ベクトルから所定番目の要素を抽出し、これ を k番目の要素とした分離信号ベクトルを生成する。
[0037] ここで、第 3の本発明では、全てのセンサで観測された混合信号を正規ィ匕してクラ スタリングを行い、各クラスタの情報を用いて分離信号ベクトルを生成している。これ は、全てのセンサの情報を同時に用いて分離信号を抽出していることを意味する。ま た、この処理では、センサの厳密な配置情報を必要としない。以上より、第 3の本発明 では、センサの厳密な配置情報を必要とすることなぐ全ての観測信号から得られた 情報を容易かつ効率的に利用して信号分離を行うことができる。
また、第 3の本発明において、好ましくは、ベクトル正規ィ匕部は、周波数領域の混合 信号から構成される混合信号ベクトルの周波数依存性を排除する正規化を行う。ま た、さら〖こ好ましくは、混合信号ベクトルの周波数依存性を排除する正規化は、混合 信号ベクトルが具備する特定の 1つの要素を基準として当該基底ベクトルの各要素 の偏角を正規化し、さらに、各要素の偏角を周波数に比例した値で除算する正規ィ匕 である。またさらに好ましくは、混合信号ベクトルの周波数依存性を排除する正規ィ匕 は、混合信号ベクトルの各要素 X (f, τ ) (q= l, ..., Μ、 Μは混合信号を観測するセ ンサの数）に対し、
[0038] [数 12]
Figure imgf000015_0001
の演算を行う正規ィ匕である。ただし、 expをネピア数とし、 arg [ ' ]を偏角とし、 jを虚数 単位とし、 cを信号の伝達速度とし、 Qを M以下の自然数から選択された値とし、 dを 実数とし、 fを周波数とし、 てを離散時間とする。これにより、周波数の依存性を排除 できる。これにより、信号源の位置に依存したクラスタを形成できる。なお、当該正規 化には、センサの厳密な配置情報を必要としな!/、。
[0039] また、上述の式（12)の実数 dは、要素 X (f, τ )に対応するセンサと他のセンサと
Q
の最大距離 d であることが望ましい。クラスタリングの精度が一般的に向上するから max
である。この詳細は後述する。
また、第 3の本発明において、好ましくは、ベクトル正規ィ匕部は、混合信号ベクトル の周波数依存性を排除する正規化と、ノルムを規定値にする正規化とを行う。これに より、クラスタリングの処理が簡略ィ匕される。
発明の効果
[0040] 以上のように、本発明では、複数のセンサによる観測信号力 得られた情報を容易 かつ効率的に利用して信号分離処理を行うことができる。
例えば、第 1の発明では、厳密なセンサ配置に係る情報の事前取得や煩雑な操作 を必要とせずに正確にパーミュテーシヨン問題を解決できる。また、第 2の発明では、 目的信号の方向に関する情報を知ることなぐ複数の信号源から発せられた信号が 混合された混合信号から目的信号を抽出することができる (たとえ N>Mであったとし ても)。また、第 3の発明では、センサの厳密な配置情報を必要とすることなぐ全ての 観測信号力も得られた情報を容易かつ効率的に利用して信号分離を行うことができ る（たとえ N>Mであったとしても）。
図面の簡単な説明
[0041] [図 1]図 1は、本発明の原理を備えた信号分離装置の機能構成を例示したブロック図 である。
[図 2]図 2は、第 1の実施の形態における信号分離装置のハードウェア構成を例示し たブロック図である。
[図 3]図 3は、第 1の実施の形態における信号分離装置のブロック図の例示である。
[図 4]図 4Aは、図 3におけるパーミュテーシヨン問題解決部の詳細を例示したブロック 図である。図 4Bは、図 4Aの基底ベクトル正規ィ匕部の詳細を例示したブロック図であ る。
[図 5]図 5は、第 1の実施の形態における信号分離装置の処理の全体を説明するた めのフローチャートである。
[図 6]図 6は、第 1の実施の形態の正規ィ匕処理の詳細を説明するためのフローチヤ一 トである。
[図 7]図 7Aは、 d Z2≥dである場合における、ノラメータ d毎の正規ィ匕基底ベクトル max
の要素 A " (f)とその偏角 arg[A " (f)]との関係を説明するための複素平面図である 。図 7Bは、 d /2< d< d である場合における、パラメータ d毎の正規ィ匕基底べタト ルの要素 A " (f)とその偏角 arg[A " (f)]との関係を説明するための複素平面図であ る。
[図 8]図 8Aは、 d=d である場合における、パラメータ d毎の正規ィ匕基底ベクトルの 要素 A " (f)とその偏角 arg[A " (f)]との関係を説明するための複素平面図である。 図 8Bは、 d>d である場合における、パラメータ d毎の正規ィ匕基底ベクトルの要素 A
max q
" (f)とその偏角 arg[A " (f)]との関係を説明するための複素平面図である。
[図 9]図 9は、第 2の実施の形態における信号分離装置のブロック図の例示である。
[図 10]図 10Aは、図 9におけるパーミュテーシヨン問題解決部の詳細を例示したブロ ック図である。図 10Bは、図 10Aの順列修正部の詳細を例示したブロック図である。
[図 11]図 11は、第 2の実施の形態における信号分離装置の処理の全体を説明する ためのフローチャートである。
[図 12]図 12は、図 11におけるステップ S58の例を説明するためのフローチャートで ある。
[図 13]図 13は、図 11におけるステップ S58の例を説明するためのフローチャートで ある。
[図 14]図 14Aは、第 1の実施の形態及び第 2の実施の形態による音源分離実験条件 を示した図である。図 14Bは、第 1の実施の形態及び第 2の実施の形態による音源 分離実験結果を示した図である。
[図 15]図 15Aは、第 1の実施の形態及び第 2の実施の形態による音源分離実験条件 を示した図である。図 15Bは、第 1の実施の形態及び第 2の実施の形態による音源 分離実験結果を示した図である。
[図 16]図 16は、第 3の実施の形態における信号分離装置の構成を例示したブロック 図である。
[図 17]図 17Aは、図 16における目的信号選択部の詳細構成を例示したブロック図で ある。図 17Bは、図 17Aにおける基底ベクトルクラスタリング部の詳細構成を例示した ブロック図である。
[図 18]図 18Aは、図 16における時間周波数マスキング部の詳細構成を例示したプロ ック図である。図 18Bは、図 18Aにおけるマスク生成部の詳細を例示したブロック図 である。
[図 19]図 19は、第 3の実施の形態における信号分離処理の全体を説明するためのフ ローチャートである。
[図 20]図 20は、第 3の実施の形態における目的信号選択部の処理の詳細を説明す るためのフローチャートである。
[図 21]図 21Aは、ステップ S112の周波数正規ィ匕の詳細を説明するためのフローチ ヤートである。図 21Bは、ステップ S113のノルム正規化の詳細を説明するためのフロ 一チャートである。
[図 22]図 22は、選択信号の選択手順 (ステップ S 115)の詳細を例示したフローチヤ ートである。
[図 23]図 23は、図 19におけるステップ S104の詳細を説明するためのフローチャート である。
[図 24]図 24Aは、二種類の実数パラメータ Θ , gに対し、式 (46)に従って算出され
T
た時間周波数マスク M (f, τ )を例示した図である。図 24Βは、ある時間周波数位置 (f, τ )において目的信号 (1 (f) =1とする）に対応するベクトル V(f) 'H (f)の他に、妨害信
1
号に対応ベクトルする V (f) 'H (f) , V(f) -H (f)が共存することを示した図である。
2 3
[図 25]図 25は、第 4の実施の形態における信号分離装置のブロック図の例示である
[図 26]図 26は、第 4の実施の形態における信号分離装置の処理を説明するためのフ ローチャートである。
[図 27]図 27は、第 5の実施の形態における信号分離装置のブロック図の例示である
[図 28]図 28Aは、図 27における時間周波数マスキング部の詳細構成を示すブロック 図である。図 28Bは、図 28Aのマスク生成部の詳細構成を示すブロック図である。
[図 29]図 29は、第 5の実施の形態における時間周波数マスクの生成処理を説明する ためのフローチャートである。
[図 30]図 30Aは、図 29におけるステップ S171の詳細を説明するためのフローチヤ ートである。図 30Bは、図 29におけるステップ S172の詳細を説明するためのフロー チャートである。
[図 31]図 31Aは、第 3の実施の形態及び第 4の実施の形態による効果を示すための 実験条件を示した図である。図 31Bは、 ICAのみの場合 (第 4の実施の形態）と、 ICA と時間周波数マスキングの両方を組み合わせた場合 (第 3の実施の形態）の SIRの平 均改善量を示す表である。
[図 32]図 32は、第 6の実施の形態における信号分離装置のブロック図の例示である
[図 33]図 33は、図 32における信号分離部の詳細を例示したブロック図である。
[図 34]図 34は、第 6の実施の形態における信号分離装置の処理の全体を説明する ためのフローチャートである。
[図 35]図 35Aは、図 34に示したステップ S202の処理の詳細を説明するためのフロ 一チャートである。図 35Bは、図 34に示したステップ S203の処理の詳細を説明する ためのフローチャートである。
[図 36]図 36は、図 34に示したステップ S205の処理の詳細を説明するためのフロー チャートである。
[図 37]図 37Aは、 d Z2≥dの場合における、パラメータ d毎のノルム正規化ベクトル max
X" (f, て )の要素 X " (f, τ )と、その偏角 arg[X " (f, て；)]との関係を説明するための複 素平面図である。図 37Bは、 d /2< d< d の場合における、パラメータ d毎のノル max max
ム正規ィ匕ベクトル X" (f, τ )の要素 X " (f, τ )と、その偏角 arg[X " (f, τ；)]との関係を 説明するための複素平面図である。
[図 38]図 38Aは、 d=d の場合における、パラメータ d毎のノルム正規化ベクトル X" max
(f, て )の要素 X " (f, て )と、その偏角 arg[X " (f, て；)]との関係を説明するための複素 平面図である。図 38Bは、 d>d の場合における、パラメータ d毎のノルム正規化べ max
タトル X" (f, τ )の要素 X " (f, τ )と、その偏角 arg[X " (f, τ；)]との関係を説明するため の複素平面図である。
[図 39]図 39Aは、第 6の実施の形態による音源分離実験条件を示した図である。図 3
9Bは、第 6の実施の形態による音源分離実験結果を示した図である。
[図 40]図 40Aは、第 6の実施の形態による音源分離実験条件を示した図である。図 4 OBは、第 6の実施の形態による音源分離実験結果を示した図である。
[図 41]図 41Aは、第 6の実施の形態による音源分離実験条件を示した図である。図 4
1Bは、第 6の実施の形態による音源分離実験結果を示した図である。
符号の説明
[0042] 1, 10, 200, 1001, 1200, 1300, 2001 信号分離装置
発明を実施するための最良の形態
[0043] 以下、本発明の実施の形態を図面を参照して説明する。
〔原理〕
まず、本発明の原理について説明する。
図 1は、本発明の原理を備えた信号分離装置 1の機能構成を例示したブロック図で ある。なお、後述のように、信号分離装置 1は、例えば、公知のノイマン型のコンビュ ータに所定のプログラムを実行させることにより構成される。
信号分離装置 1は、複数の信号源から発せられた源信号の混合からなる混合信号 を当該源信号に分離する装置である。図 1に例示するように、信号分離装置 1は、周 波数領域変換部 2と、複素ベクトル生成部 3と、正規化部 4と、クラスタリング部 5とを有 している。ここで、正規ィ匕部 4は、複素ベクトルが具備する特定の 1つの要素を基準と して当該複素ベクトルの各要素の偏角を正規ィ匕する第 1正規ィ匕部 4aと、第 1正規ィ匕 部 4aで正規化された各要素の偏角を周波数に比例した値で除算する第 2正規ィ匕部 4bと、第 2正規ィ匕部 4bで正規ィ匕された各要素力 なるベクトルのノルムを所定の値に 正規化する第 3正規化部 4cとを有する。なお、第 1正規化部 4a及び第 2正規化部 4b により、複素ベクトルの周波数依存性が排除される (周波数正規化)。
[0044] 信号分離装置 1によって信号分離処理を行う場合、まず、複数のセンサで観測され た混合信号 (時間領域の信号)が周波数領域変換部 2に入力される。周波数領域変 換部 2は、短時間離散フーリエ変換等によって、複数のセンサで観測された混合信 号 (時間領域の信号)を、周波数領域の混合信号に変換する。次に、複素ベクトル生 成部 3が、当該周波数領域の混合信号を用い、複素数の要素からなる複素ベクトル を生成する。次に、正規化部 4が、当該複素ベクトルを正規化し、当該複素ベクトル の周波数依存性を排除した正規化ベクトルを生成する。 [0045] 図 1の例の正規ィ匕では、まず、第 1正規化部 4aが、時間周波数毎に、当該複素べ タトルが具備する特定の 1つの要素を基準として当該複素ベクトルの各要素の偏角を 正規化する。これにより、複素ベクトルの各要素の偏角は、源信号の位相や振幅に 依存せず、各センサに対する信号源の相対位置や周波数のみに依存することになる (詳細は後述)。次に、第 2正規化部 4bが、第 1正規化部 4aで正規化された各要素 の偏角を周波数に比例した値で除算する。これにより、各複素ベクトルの各要素の周 波数依存性が排除され、複素べ外ルは、各センサに対する各信号源の相対位置の みに依存したものに正規化される。さらに、第 3正規化部 4cが、第 2正規化部 4bで正 規化された各要素からなるベクトルのノルムを所定の値に正規化する。
[0046] 次に、クラスタリング部 5が、このような正規ィ匕が行われた正規ィ匕ベクトルのクラスタリ ングを行い、クラスタを生成する。これらのクラスタは、各センサに対する各信号源の 相対位置のみに依存したものになる。分離信号生成部 6は、これらのクラスタを利用 して各種の信号分離処理を行い、周波数領域の分離信号を生成する。最後に、時 間領域変換部が、周波数領域の分離信号を時間領域の分離信号に変換する。 上述のように、これらのクラスタを生成するために、各センサの厳密な位置情報を事 前に取得しておく必要はない。また、これらのクラスタの生成には、全てのセンサでの 観測信号の情報が用いられている。すなわち、本発明では、複数のセンサによる観 測信号力も得られた情報を容易かつ効率的に利用して信号分離処理を行うことがで きる。
[0047] なお、ノルムを正規ィ匕しなくても、クラスタリングの方法を工夫することにより、各セン サに対する各信号源の相対位置のみに依存したクラスタを生成することは可能であ る。しかし、クラスタリングの処理を簡略ィ匕するため、第 3正規ィ匕部 4cによるノルムの 正規ィ匕を行うことが望ましい。
以下、本発明の各実施の形態を詳細に説明する。
〔第 1の実施の形態（「第 1の本発明」の例)〕
まず、本発明における第 1の実施の形態について説明する。
[0048] 本形態は、上述の原理により、厳密なセンサ配置に係る情報の事前取得や煩雑な 操作を必要とせずに正確にパーミュテーシヨン問題を解決する形態である。なお、本 形態では、後述する「基底ベクトル」が上述の「複素ベクトル」に相当する。
<ノヽードウエア構成 >
図 2は、第 1の実施の形態における信号分離装置 10のハードウェア構成を例示し たブロック図である。
図 2に例示するように、この例の信号分離装置 10は、 CPU (Central Processing Uni t) 10a、入力部 10b、出力部 10c、補助記憶装置 10f、 RAM (Random Access Memo ry) 10d、 ROM (Read Only Memory) lOe及びバス lOgを有している。
[0049] この例の CPUlOaは、制御部 10aa、演算部 10ab及びレジスタ 10ac有し、レジスタ 10acに読み込まれた各種プログラムに従って様々な演算処理を実行する。また、こ の例の入力部 10bは、データが入力される入力ポート、キーボード、マウス等であり、 出力部 10cは、データを出力する出力ポート、ディスプレイ等である。補助記憶装置 1 Ofは、例えば、ハードディスク、 MO (Magneto- Optical disc)、半導体メモリ等であり、 本形態の信号分離処理を実行するための信号分離プログラムを格納した信号分離 プログラム領域 lOfa及びセンサで観測された時間領域の混合信号等の各種データ が格納されるデータ領域 10fbを有している。また、 RAMlOdは、例えば、 SRAM (S tatic Random Access Memory)、 DRAM (Dynamic Random Access Memory)等であ り、信号分離プログラムが書き込まれる信号分離プログラム領域 10da及び各種デー タが書き込まれるデータ領域 10dbを有している。また、この例のバス 10gは、 CPU1 0a、入力部 10b、出力部 10c、補助記憶装置 10f、 RAM10d及びROM10eを通信 可能に接続している。
[0050] くハードウェアとソフトウェアとの協働 >
この例の CPUlOaは、読み込まれた OS (Operating System)プログラムに従い、補 助記憶装置 10fの信号分離プログラム領域 lOfaに格納されている信号分離プロダラ ムを、 RAMlOdの信号分離プログラム領域 10daに書き込む。同様に CPUlOaは、 補助記憶装置 10fのデータ領域 10fbに格納されている時間領域の混合信号等の各 種データを RAMlOdのデータ領域 10dbに書き込む。さらに、 CPUlOaは、この信 号分離プログラムや各種データが書き込まれた RAMlOd上のアドレスをレジスタ 10 acに格納する。そして、 CPUlOaの制御部 10aaは、レジスタ 10acに格納されたこれ らのアドレスを順次読み出し、読み出したアドレスが示す RAMlOd上の領域力もプロ グラムやデータを読み出し、そのプログラムが示す演算を演算部 lOabに順次実行さ せ、その演算結果をレジスタ lOacに格納していく。
[0051] 図 3は、このように CPUlOaに信号分離プログラムが読み込まれることにより構成さ れる信号分離装置 10のブロック図の例示である。また、図 4Aは、図 3におけるパーミ ュテーシヨン問題解決部 140の詳細を例示したブロック図であり、図 4Bは、図 4Aの 基底ベクトル正規ィ匕部 142の詳細を例示したブロック図である。
図 3に例示するように、信号分離装置 10は、メモリ 100、周波数領域変換部 120、 分離行列算出部 130、パーミュテーシヨン問題解決部 140、分離信号生成部 150、 時間領域変換部 160及び制御部 170を有している。また、この例のパーミュテーショ ン問題解決部 140は、逆行列算出部 141 (「複素ベクトル生成部」に対応）、基底べク トル正規ィ匕部 142 (「正規ィ匕部」に対応）、クラスタリング部 143、順列算出部 144及び 並び替え部 145を有しており、基底ベクトル正規ィ匕部 142は、周波数正規化部 142a 及びノルム正規ィ匕部 142bを有している。また、周波数正規ィ匕部 142aは、第 1正規 化部 142aaと第 2正規ィ匕部 142abとを有している。さらに、制御部 170は一時メモリ 1 71を有している。
[0052] ここでメモリ 100及び一時メモリ 171は、レジスタ 10ac、補助記憶装置 1 Ofのデータ 領域 10fb或いは RAMlOdのデータ領域 10db等に相当する。また、周波数領域変 換部 120、分離行列算出部 130、パーミュテーシヨン問題解決部 140、分離信号生 成部 150、時間領域変換部 160及び制御部 170は、 CPUlOaに OSプログラムや信 号分離プログラムが読み込まれることにより構成されるものである。
なお、図 3及び図 4における破線の矢印は理論上の情報の流れを示し、実線の矢 印は実際のデータの流れを示す。また、これらの図において制御部 170に出入りす るデータの流れに対応する矢印は省略してあり、図 4における実際のデータの流れ に対応する矢印も省略してある。
[0053] <処理 >
次に、本形態の信号分離装置 10の処理について説明する。なお、以下では、 N個 の源信号が混合され、 M個のセンサで観測された状況を取り扱う。また、前処理にお いて、各センサで観測された時間領域の混合信号 x (t) (q=l,...,M)がメモリ 100の記 憶領域 101に格納され、信号の伝達速度 c、 M以下の自然数から選択された基準値 Q (M個のセンサ力 選択された 1つの基準センサの添字番号)及び実数 dの各パラ メータが記憶領域 107に格納されているものとする。
[0054] 図 5は、第 1の実施の形態における信号分離装置 10の処理の全体を説明するため のフローチャートである。以下、この図に沿って、本形態における信号分離装置 10の 処理を説明していく。
[周波数領域変換部 120の処理]
まず、周波数領域変換部 120において、メモリ 100の記憶領域 101から時間領域 の混合信号 X (t)を読み出し、これらを短時間離散フーリエ変換等によって周波数毎 の時系列の信号（「周波数領域の混合信号」と呼ぶ) X (f, て ) (q=l,...,M)に変換し、メ モリ 100の記憶領域 102に格納する（ステップ Sl)。
[0055] [分離行列算出部 130の処理]
次に、分離行列算出部 130において、メモリ 100の記憶領域 102から周波数領域 の混合信号 X (f, τ )を読み出す。周波数領域の混合信号 X (f, τ )を読み出した分 離行列算出部 130は、これら力らなる混合信号ベクトル X (f, τ ) =[X (f, τ ) ,...,Χ (f,
1
て )]Tを用い、独立成分分析 (ICA)によって、周波数毎に第 1の分離行列 W (f)と分 離信号ベクトル Y (f, て ) =[Y (f, τ ) ,..., Y (f, て
1 Ν )]Tとを算出する。そして、算出された第
1の分離行列 W (f)はメモリ 100の記憶領域 103に格納される（ステップ S2)。
[0056] ここで、分離行列算出部 130において算出された第 1の分離行列 W (f)には、順序 の任意性が含まれている。よって、以下のようにパーミュテーシヨン問題解決部 140 において、第 1の分離行列 W (f)を順序の任意性を解決した第 2の分離信号 W， (f)に 変更する。
[パーミュテーシヨン問題解決部 140の処理]
まず、逆行列算出部 141において、メモリ 100の記憶領域 103から第 1の分離行列 W (f)を読み出し、そのムーア ·ペンローズ (Moore-Penrose)型一般化逆行列 W+ (f) =[ A (f) ,...,A (f) ] (M=Nの場合は逆行列 W_1 (f)に一致)を計算し、これを構成する基底
1 N
ベクトル A (f) =[A (f) ,...,A (f) ]T (p=l，...，N)をメモリ 100の記憶領域 104に格納する (ステップ S3)。なお、 M=Nの場合、 W+(f)は逆行列 W— ^f)に一致する。
[0057] 次に、基底ベクトル正規ィ匕部 142において、メモリ 100の記憶領域 104から基底べ タトル A (f) (p=l,...,N、 M),f/L,"-,f (L- 1) /L)を読み出し、これらを正規化した正規 化基底ベクトル A " (f)を算出し、メモリ 100の記憶領域 106に格納する (ステップ S4)
P
。なお、基底ベクトル正規化部 142は、全ての基底ベクトル A (f) (p=l,...,N、 M),f/L,
P s
•••，f (L-l) /L)を正規ィ匕し、それらを周波数に依存せず、信号源の位置のみに依存 s
する正規化基底ベクトル A " (f)に正規化する。その結果、それらをクラスタリングした
P
際に、各クラスタが各信号源に対応するようになる。この正規ィ匕を適切に行わないとク ラスタが形成されない。また、本形態における正規化は周波数正規化とノルム正規化 との二段階からなる。周波数正規化は、周波数正規ィ匕部 142a (図 4B)において、基 底ベクトルを周波数に依存しな 、周波数正規ィ匕ベクトルに正規ィ匕するものである。ノ ルム正規ィ匕は、ノルム正規ィ匕部 142bにおいて、周波数正規ィ匕ベクトルをノルムが規 定値 (この例では 1)をとる正規化基底ベクトルに正規化するものである。これらの正 規ィ匕処理の詳細については後述する。
[0058] 次に、クラスタリング部 143において、メモリ 100の記憶領域 106から正規ィ匕基底べ タトル A " (f)を読み出し、これらの正規化基底ベクトル A " (f)をクラスタリングして N個
P P
のクラスタ C (k=l，...，N)を生成し、各クラスタ Cとそれらのセントロイド（中心ベクトル） η を特定する情報をメモリ 100の記憶領域 108, 109に格納する (ステップ S5)。こ のクラスタリングは、例えば、各クラスタ Cの要素（正規化基底ベクトル A " (f) )と各ク ラスタ Cのセントロイド 7? との間の二乗和 Uの総和 U
[0059] [数 13]
uk =∑Av"(f)eCk |Av"(f) - Tik||2 を最小値ィ匕することを基準に行われる。この最小値化は、例えば、非特許文献 6など で解説されている k-meansクラスタリングを用いることによって効果的に行うことができ る。なお、クラスタ Cのセントロイド 7} は、
[0060] [数 14] ∑Av"(f)e Av"(f)/ | Ck
∑Av"(f)eck Av (f)/ | Ck によって計算される。ここで I C Iはクラスタ Cにおける要素（正規ィ匕基底ベクトル A ' k k v
' (f) )の数である。また、ここでは、距離としてユークリッド距離の自乗を用いているが 、これを一般ィ匕したミンコフスキー距離などを用いてもよい。なお、正規化基底べタト ル A " (f)がクラスタを形成する理由については後述する。
P
次に、順列算出部 144において、メモリ 100の記憶領域 106から正規ィ匕基底べタト ル A " (f)を、記憶領域 109から各クラスタ Cのセントロイド 7? をそれぞれ読み出す。
p k k
そして、順列算出部 144は、これらを用い、第 1の分離行列 W(f)の要素を並び替える ための順列 Π ({1,2,· ··,Ν}から {1,2,· ··,Ν}への全単射な関数)を周波数 f毎に算出し、 f
メモリ 100の記憶領域 110に格納する（ステップ S6)。なお、この順列 Πは、
f
[0061] [数 15] nf = argminn∑^||Tik -An(k) ''(f)||2 … （1 3 ) によって決定される。ここで式（13)における argmin ·は、 ·を最小値ィ匕する Πを意味
Π
する。また、この式における A " (f)は、 Πによって正規化基底ベクトル A " (f)に並 n (k) k び替えられる正規化基底ベクトルを意味する。すなわち、 n (k)行目の正規化基底べ タトル A " (f)は、 Πによって k列目の正規化基底ベクトル A " (f)となる。なお、式（1 n (k) f k
3)に従って順列 Πを決定する手順としては、例えば、採り得るすべての順列 Π (Ν！ f
通り）に対して
[0062] [数 16]
Figure imgf000026_0001
を算出し、その最小値に対応する Πを順列 Πとして決定する手順を例示できる。以 f
下にこの具体例を示す。
[順列 Π決定の具体例 1]
f
信号源の数 Nが 3であり、ある周波数 fにおける正規化基底ベクトル A " (f) , A " (f)
1 2
, A " (f)と各セントロイド r? , η , η との距離の自乗力 以下の表に示されるもので あつたとする。
[0063] [表 1]
Figure imgf000027_0002
この場合、式（13)により得られる順列は、
Π :[1,2,3]→[2,3,1]
f
となる。なぜなら、
V 一 A , '(f) - A' '(f
1 π (1) II 2= )
1 2 1 12=o.i
V 一 A , '(f) A' '(f)
2 π (2) II 2= -
2 3 1 12=0.2
V 一 A , '(f)
3 π (3) II 2= - A' '(f)
3 1 1 12=0.15
という組合せが、
[数 17]
Figure imgf000027_0001
を最小とする力 である (順列 Π決定の具体例 1の説明終わり）。
f
しかし、この手順は Nが大きくなると現実的ではない。そのため、その近似法として、 順番に II η -A "(f) II 2を最小値化する A "(f)を重複がないように選択してい k n(k) Π (k)
き、この選択された A " (f)を正規化基底ベクトル A " (f)に移す順列を順列 Πとす n(k) k f る手順等を用いてもよい。以下、上述の [順列 Π決定の具体例 1]と同じ条件に対し、 f
この近似法を適用して順列 πを決定する手順を示す。
f
[0065] [順列 Π決定の具体例 2]
f
まず、上記の表 1の場合、距離の自乗の最小値は 0.1 (正規化基底ベクトル A " (f)
2 と各セントロイド r? との距離の自乗)であるため、 Π (1) =2を決定する。そして、正規 化基底ベクトル A " (f)と各セントロイド 7? とに関連する行と列とを消すと以下のように なる。
[0066] [表 2] ' (f) Α2' ' (f) A3" (f) 2 0. 9 0. 2
n 3 0. 15 この表 2の場合、距離の自乗の最小値は 0. 15 (正規化基底ベクトル A "(f)と各セ
1 ントロイド r? との距離の自乗)であるため、 Π (3) =1を決定する。そして、最後に Π(
3
2)に残りの 3を割り当てる（[順列 Π決定の具体例 2]の説明終わり）。
f
次に、並び替え部 145において、メモリ 100の記憶領域 103から第 1の分離行列 W (f)を、記憶領域 110から順列 Πを読み出す。そして、並び替え部 145は、この第 1 f
の分離行列 W(f)の行を順列 Πに従って並び替えた第 2の分離行列 W' (f)を生成し f
てメモリ 100の記憶領域 111に格納する (ステップ S7)。なお、第 1の分離行列 W(f) の行を順列 Πに従って並び替えるとは、上述のムーア'ペンローズ型一般ィ匕逆行列 f
W+(f)における要素 A " (f)力 A " (f)への並び替えに対応する並び替えを、第 1 n(k) k
の分離行列 W(f)に対して行うことを意味する。すなわち、第 1の分離行列 W(f)の順 o
列 Π (k)行目が第 2の分離行列 W' (f)の k行目になるように並び替える。上述の [順 f
en
列 Π決定の具体例 1, 2]の場合、第 1の分離行列 W(f)の 2, 3, 1行目力 それぞれ f
第 2の分離行列 W，（f)の 1, 2, 3行目になる。
[0067] [分離信号生成部 150の処理]
その後、分離信号生成部 150において、メモリ 100の記憶領域 102から周波数領 域の混合信号 X (f, τ )を、記憶領域 111から第 2の分離行列 W' (f)を読み出す。そし て、分離信号生成部 150は、周波数領域の混合信号 X (f, τ )からなる混合信号べク トル X(f,て )=[X (f, τ ),..., X (f,て )]Tと第 2の分離行列 W' (f)とを用い、分離信号べク
1 M
トル
Figure imgf000028_0001
を算出し、これらの各要素である周波数領域の信号（「周波数領域の混合信号」と呼 ぶ) Y (f, τ )をメモリ 100の記憶領域 112に格納する（ステップ S8)。
P
[0068] [時間領域変換部 160の処理]
最後に時間領域変換部 160において、メモリ 100の記憶領域 112から周波数領域 の分離信号 Y (f, τ )を読み出し、これを添え字 ρ毎に (Y (f, τ )毎に)短時間逆フーリ ェ変換等によって時間領域の分離信号 y (t)に変換し、これらの時間領域の分離信 号 y (t)をメモリ 100の記憶領域 113に格納する (ステップ S9)。
[正規化処理の詳細 (ステップ S4の詳細） ]
次に、前述した基底ベクトル正規ィ匕部 142における正規ィ匕処理の詳細 (ステップ S4 の詳細）について説明する。
[0069] 図 6は、この正規ィ匕処理の詳細を説明するためのフローチャートである。
まず、制御部 170 (図 3)においてパラメータ pに 1を代入し、これを一時メモリ 171に 格納する (ステップ Sl l)。また、制御部 170においてパラメータ qに 1を代入し、これ を一時メモリ 171に格納する (ステップ S12)。次に、周波数正規ィ匕部 142a (図 4)に おいて、メモリ 100の記憶領域 107から前述のパラメータ d, c, Qを読み出し、一時メ モリ 171からパラメータ p, qを読み出し、基底ベクトル A (f)の要素 A (f)に対し、
[0070] [数 18]
( 1 4 )
Figure imgf000029_0001
の演算を行い、当該演算結果 A ，（f)を周波数正規ィ匕ベクトル A，（f)の各要素 A ，（f
)としてメモリ 100の記憶領域 105に格納する (ステップ SI 3)。なお、 arg[ ' ]は偏角を 意味し、 jは虚数単位を意味する。
より詳細には、まず、周波数正規ィ匕部 142aの第 1正規ィ匕部 142aaが、基底べタト ル A (f)の特定の 1つの要素 A (f)を基準として当該基底ベクトル A (f)の各要素 A ( f)の偏角を、以下の演算によって正規ィ匕する。
[0071] [数 19]
Aqp " ' (f ) =1 (f ) I exp { j - argtAqp (f ) / AQp (f )] } … （1 5 ) 次に、周波数正規ィ匕部 142aの第 2正規ィ匕部 142ab力 第 1正規化部 142aaで正 規化された各要素 A '" (f)の偏角を、以下のように周波数 fに比例した値 4fc— で除 算する。
[0072] [数 20]
Figure imgf000030_0001
次に、制御部 170において、一時メモリ 171に格納されたパラメータ qが q = Mを満 たす力否かを判断する（ステップ S 14)。ここで q = Mでなければ、制御部 170は、 q + 1の演算結果を新たなパラメータ qの値とし、これを一時メモリ 171に格納し (ステップ S 15)、処理をステップ S 13へ戻す。一方、 q = Mであれば、制御部 170は、さらに p = Nを満たすか否かを判断する (ステップ S 16)。
[0073] ここで p=Nでなければ、制御部 170において、 p+ 1の演算結果を新たなパラメ一 タ pの値とし、これを一時メモリ 171に格納し (ステップ S17)、処理をステップ S12へ 戻す。一方、 p=Nであれば、制御部 170においてパラメータ pに 1を代入し、これを 一時メモリ 171に格納し (ステップ S18)、ノルム正規ィ匕部 142bにおける処理を開始 する。まず、ノルム正規ィ匕部 142bにおいて、メモリ 100の記憶領域 105から周波数 正規化ベクトル A，（f)の各要素 A ，（f)を読み出し、
P QP
[0074] [数 21]
Ap'(f) … （1 7 )
Figure imgf000030_0002
の演算を行って、周波数正規化ベクトル A，（f)のノルム
P II A， (f)
P IIを求め、周波数正 規化ベクトル A，（f)及びそのノルム II A， (f) IIを一時メモリ 171に格納する（ステップ
P P
S19)。
次に、ノルム正規ィ匕部 142bにおいて、一時メモリ 171から周波数正規ィ匕ベクトル A
P
，（f)及びそのノルム II A， (f)
P IIを読み出し、
A " (f) =A，（f) / || A，（f) II - (18)
P P P
の演算を行って正規ィ匕基底ベクトル A " (f)を求め、これをメモリ 100の記憶領域 10
P
6に格納する（ステップ S 20)。
[0075] その後、制御部 170において、一時メモリ 171に格納されたパラメータ pが p=Nを 満たす力否かを判断する (ステップ S21)。ここで p=Nでなければ、制御部 170は、 p + 1の演算結果を新たなパラメータ pの値とし、これを一時メモリ 171に格納し (ステツ プ S22)、ステップ S19の処理に戻す。一方、 p=Nであれば、制御部 170は、ステツ プ S4の処理を終了させる。
このように生成された正規ィ匕基底ベクトル A " (f)は、周波数に依存せず、信号源の
P
位置のみに依存するベクトルとなる。その結果、この正規化基底ベクトル A " (f)はクラ
P
スタを形成することになる。以下にこの理由を説明する。
[0076] [正規化基底ベクトル A " (f)がクラスタを形成する理由]
P
基底ベクトル A (f)の各要素 A (f)は、源信号 pに対応する信号源 kからセンサ qへ
P QP
の周波数応答 H に比例した (ある複素数スカラが掛カつた)ものになっている。これ
qk
らの複素数スカラは離散時間に応じて (すなわち位相に応じて)変化するが、源信号 pとセンサ qとに対応する複素数スカラと、源信号 pとセンサ Qとに対応する複素数スカ ラとの相対値は、離散時間が変化しても一定である (周波数 fが同じであれば)。すな わち、周波数 fが同じであれば、源信号 pとセンサ qとに対応する複素数スカラの偏角 と、源信号 pとセンサ Qとに対応する複素数スカラの偏角との相対値は一定である。
[0077] 前述のように、周波数正規ィ匕部 142aの第 1正規ィ匕部 142aaは、基底ベクトル A (f)
P
の特定の 1つの要素 A (f)を基準として当該基底ベクトル A (f)の各要素 A (f)の偏
Qp P QP 角を正規化する。これにより、上述の複素数スカラの位相に起因する不確定性を取り 除き、源信号 pとセンサ qとに対応する基底ベクトル A (f)の要素 A (f)の偏角を、源信
P QP
号 pと基準センサ Q (基準値 Qに対応）とに対応する基底ベクトル A (f)の要素 A (f)
P QP
の偏角に対する相対値として表現する。なお、この場合、要素 A (f)の偏角に対応
QP
する当該相対値は 0と表現される。信号源 kからセンサ qへの周波数応答を、反射や 残響の無い直接波モデルで近似して考える。すると、上記の第 1正規化部 142aa〖こ より正規化された偏角は、信号源 kからセンサへの波の到達時間差と周波数 fの双方 に比例したものになる。ここでの到達時間差とは、信号源 kからの波がセンサ qに到達 するまでの時間と、当該波が基準センサ Qに到達するまでの時間との時間差である。
[0078] また、前述のように、第 2正規ィ匕部 142abは、第 1正規ィ匕部 142aaで正規ィ匕された 各要素 A "' (f)の偏角を周波数 fに比例した値で除算する。これにより、各要素 A "'
QP QP
(f)を、それらの偏角の周波数依存性を排除した各要素 A ' (f)に正規化する。これ
QP
により、正規化された各要素 A ' (f)は、直接波モデルに従えば、信号源 kからセンサ への波の到達時間差のみに依存するものとなる。ここで、信号源 kからセンサへの波 の到達時間差は、信号源 k,センサ q,基準センサ Qの相対位置にのみ依存する。そ のため、信号源 k,センサ q,基準センサ Qが同じであれば、周波数 fが異なっても各 要素 A ' (f)の偏角は同一となる。従って、周波数正規化ベクトル A ' (f)は、周波数 f には依存せず、信号源 kの位置のみに依存する。
[0079] そのため、周波数正規化ベクトル A ' (f)のノルムを正規化した正規化基底ベクトル
P
A "(f)のクラスタリングによって、同じ信号源毎に対応するクラスタが形成される。な
P
お、実際の環境では、反射や残響などの影響により、直接波モデルは厳密には満た されな 、が、後述の実験結果に示すとおり十分に良 、近似となって 、る。
次に、正規化基底ベクトル A "(f)がクラスタを形成する理由を、モデルを用いて説
P
明する。前述した式（1)に示されるインパルス応答 h (r)を直接波 (近距離場)混合モ qk
デルを用いて近似し、周波数領域で表すと
[0080] [数 22]
Hqk(f) = exp[-j2 fC- dqk-dQk)] … (19)
°qk となる。ここで、 d は信号源 kとセンサ qとの間の距離であり、また、減衰 1/d は、距離
qk qk d によって決まり、遅延 (d - d )/cは、基準センサ Qの位置で正規ィ匕された距離に qk qk Qk
よって決まる。
また、独立成分分析 (ICA)における順序の任意性とスケーリングの任意性とを考慮 すると、基底ベクトル A (f)と式 (4)における信号源 kから各センサへの周波数応答を
P
まとめたベクトル H (f)との間には、以下の関係が成り立つ。
k
[0081] A (ΐ)= ε ·Η (f), A (ΐ)= ε ·Η (f) ·'·(20)
Ρ Ρ k qp Ρ qk
ここで、 ε はスケーリングの任意性を表現する複素スカラ値であり、添え字 kと qが
P
異なる可能性が順序の任意性を表現している。ここで、式（16) (18) (19) (20)より、 [0082] [数 23]
Figure imgf000032_0001
となる。この式力も分力るように、正規化基底ベクトル A " (f)の各要素 A " (f)は、周
P QP
波数 fからは独立であり、信号源 kとセンサ qの位置のみに依存する。従って、正規ィ匕 基底ベクトル A " (f)をクラスタリングすると、同じ信号源ごとに対応するクラスタが形成
P
される。
同様なことは、信号の減衰を考慮して!/ヽな!ヽ近距離場混合モデルでモデル化した 場合にも言える。すなわち、前述した式（1)に示される畳み込み混合モデルを、減衰 を無視した近距離場混合モデルで近似し、周波数領域で表すと
[0083] [数 24]
Hqk (f ) = exp[- ]2πίο"1 (dqk - dQk )] … ( 22 ) となる。この場合、式（16) (18) (20) (22)より、
[0084] [数 25]
. π (aqk - "Qk)
( 23 )
八 XP一 J
2 d となる。この場合も、正規化基底ベクトル A " (f)の各要素 A " (f)は、周波数 fからは
P QP
独立であり、信号源 kとセンサ qの位置のみに依存している。
さらに、近距離場混合モデルだけではなぐ遠距離場混合モデルでも同様なことが いえる。すなわち、前述した式（1)に示される畳み込み混合モデルを遠距離場混合 モデルで近似し、周波数領域で表すと
[0085] [数 26]
Hqk(f ) = βχρΗ2π&-1 II SEq - SEQ || cosek qQ] - ( 24) となる。なお、 SE及び SEはセンサ q, Qの位置を示すベクトルである。また Θ qQは、 q Q k センサ q, Qを結ぶ直線と、センサ q, Qの中心点と信号源 kとを結ぶ直線と、で成す角 度を示す。この場合、式（16) (18) (20) (24)より、
[0086] [数 27]
Figure imgf000033_0001
となる。この場合も、正規化基底ベクトル A " (f)の各要素 A " (f)は、周波数 fからは
P QP
独立であり、信号源 kとセンサ qの位置のみに依存している。
また、式（21)力もパラメータ dの値は、 d>d /2であることが望ましく（d は要素 max max
A (f)に対応する基準センサ Qと他のセンサとの最大距離 d を意味する。）、より好
Qp max
ましくは d≥d であることが望ましぐさらにより好ましくは d=d であることが望まし max max いことが分かる。以下、この理由について説明する。
[0087] 図 7及び図 8は、パラメータ d毎の正規ィ匕基底ベクトルの要素 A "(f)とその偏角 arg[
QP
A "(f)]との関係を説明するための複素平面図である。なお、これらにおける横軸は
QP
実軸を縦軸は虚軸を示して 、る。
図 7Aは d Z2≥dの場合における複素平面図である。ここで上述の d の定義より max max
、任意の q及び kに対し d - d の絶対値は d 以下となる。よって d Z2≥dの場合、 qk QK max max
(π/2) · (ά - d )/d≤- π, (π/2) · ((1 - d )/d≥ πと成り得る。その結果、式（21) qk Qk qk Qk
で表される A "(f)の偏角 arg[A " (f)]は、 2 πを超える a ≤arg[A "(f)]≤ a (a ≤ qp QP 1 QP 2 1
- π、 α ≥ π)の範囲に分布する可能性がある。そのため、異なる正規化基底べタト
2
ルの要素 A "(f)の偏角が一致する可能性があり、前述したクラスタリングにおいて、 異なる正規化基底ベクトル A " (f)を同じクラスタにクラスタリングしてしまう可能性があ
P
る。よって、 d>d Z2であることが望ましい。しかし、この偏角の重複範囲に対応す max
る正規化基底ベクトル A " (f)のサンプルが存在しないならば d Z2≥dとしても問題 p max
はない。
[0088] 図 7Bは d /2<d<d の場合における複素平面図である。この場合、- π < (π/ max max
2) - (d - d )/d<- π/2, π/2< (π/2) · ((1 - d )/d< πと成り得る。その結果、式（ qk Qk qk Qk
21)で表される A "(f)の偏角 arg[A "(f)]は、 β ≤arg[A "(f)]≤ j8 (~π < β く— qp QP 1 QP 2 1 π/2、 π/2< β く π )の範囲に分布する可能性がある。そのため、- π <arg[A " (f
2 qp
)]<- π/2及び π/2く arg[A " (f)]く πの範囲において、異なる周波数正規化べタト ル要素間の偏角の差の増加に伴い、これらの周波数正規ィ匕べ外ル要素間の距離 が単調増加しないこともありうる。これは、前述したクラスタリングの精度を低下させる 可能性がある。よって d≥d であることがより望ましい。
max
[0089] 図 8Aは d=d の場合における複素平面図であり、図 8Bは d>d の場合における 複素平面図である。ここで d>d の場合、- π/2く（π/2) · ((1 - d )/d<0, 0< (π/ max qK Qk
2) - (d — d )Α π/2と成り得る。その結果、式（21)で表される A "(f)の偏角 arg[A
Q Qk qp
"(f)]は、図 8Bに示すように、 γ ≤arg[A "(f)]≤ γ (~π/2< γ <0、 0< γ く π qp 1 qp 2 1 2
/2)の範囲に分布する。そして、 dが大きくなればなるほどその分布範囲は狭くなつて いき、狭い範囲にクラスタが密集していく。これは、前述したクラスタリングの精度を低 下させる。
[0090] これに対し、 d = d である場合、— π/2≤ (π/2) · ((1 — d )/d<0, 0く（π/2) · ((1 max qk Qk qk
-d )Αΐ≤ π/2と成り得る。その結果、式（21)で表される A "(f)の偏角 arg[A "(f)]
Qk qp qp は図 8Aに示すように- 7u/2≤arg[A " (f)]≤ π /2の範囲に分布する。この場合、周 波数正規ィ匕ベクトルの要素間における偏角の差の増加に対して、それらの距離も単 調増加するという関係を維持しつつ、できるだけ広い範囲にクラスタを分散させること ができる。その結果、一般的にクラスタリングの精度を向上させることができる。
〔第 2の実施の形態（「第 1の本発明」の例)〕
次に本発明における第 2の実施の形態について説明する。
[0091] 第 1の実施の形態では、基底ベクトル力 得られる情報によりパーミュテーシヨン問 題を解決した力 本形態では、これに特開 2004— 145172号公報や「H. Sawada, R. Mukai, b. Araki, b. Ma ino, A Robust ana Precise Method for Solving the Permuta tion Problem of Frequency-Domain Blind Source Separation," IEEE Trans. Speech a nd Audio processing, vol. 12, no.5, pp.530—538, Sep.2004. (以下「参考文献」と呼 ぶ)」で示されているような分離信号のエンベロープの情報を統合することで、より精 度よくパーミュテーシヨン問題を解決する。なお、これらの文献では、基底ベクトルの 代わりに信号源の方向に関する情報が利用されて 、る。
[0092] 以下では、第 1の実施の形態との相違点を中心に説明を行い、これと共通する事項 については説明を省略する。
<構成>
図 9は、第 2の実施の形態における信号分離装置 200のブロック図の例示である。 なお、本形態の信号分離装置 200も CPUlOa (図 2)に信号分離プログラムが読み 込まれることにより構成されるものである。また、図 10Aは、図 9におけるパーミュテ一 シヨン問題解決部 240の詳細を例示したブロック図であり、図 10Bは、図 10Aの順列 修正部 247の詳細を例示したブロック図である。なお、図 9及び図 10において第 1の 実施の形態と共通する部分については第 1の実施の形態と同じ符号を付した。また、 図 9及び図 10における破線の矢印は理論上の情報の流れを示し、実線の矢印は実 際のデータの流れを示す。また、これらの図において制御部 170に出入りするデータ の流れに対応する矢印は省略してあり、図 10における実際のデータの流れに対応 する矢印も省略してある。
[0093] 本形態の第 1の実施の形態のとの相違点は、主にパーミュテーシヨン問題解決部 2 40の構成である。すなわち、本形態のパーミュテーシヨン問題解決部 240は、第 1の 実施の形態のパーミュテーシヨン問題解決部 140に、順列評価部 246と順列修正部 247とを付カ卩したものとなっている（図 9,図 10A)。なお、順列評価部 246は、周波 数毎に順列の信頼度を評価するものであり、順列修正部 247は、順列の信頼度が低 いと評価された周波数に対し、分離信号のエンベロープを用いて新たな順列を算出 するものである。また、順列修正部 247は、判定部 247aと分離信号生成部 247bとェ ンべロープ算出部 247cと順列再算出部 247dと再並び替え部 247eを有している（図 10B)。また、本形態では、順列算出部 144と順列修正部 247とによって請求項 4の「 順列算出部」を構成している。
[0094] <処理 >
図 11は、第 2の実施の形態における信号分離装置 200の処理の全体を説明する ためのフローチャートである。以下、この図に沿って、本形態における信号分離装置 200の処理を説明していく。
ステップ S51から S57の処理は、第 1の実施の形態におけるステップ S1から S7まで と同じであるため説明を省略する。本形態では、このステップ S57の処理の後に、順 列評価部 246において、周波数毎に順列 Πの信頼度を評価し、順列 Πの信頼度が
f f
低いと評価された周波数に対し、分離信号のエンベロープを用いて順列 Π 'を算出
f し、この周波数のみについて第 2の分離行列 W' (f)の行を順列 Π 'に従って並び替
f
えて第 3の分離行列 W" (f)を生成し、メモリ 100の記憶領域 110に格納する (ステップ S58)。なお、この処理の詳細については後述する。 [0095] その後、分離信号生成部 150において、メモリ 100の記憶領域 102から周波数領 域の混合信号 X (f, τ )を、記憶領域 111から第 3の分離行列 W" (f)を読み出す。そ して、分離信号生成部 150は、周波数領域の混合信号 X (f, τ )からなる混合信号べ タトル X (f, て ) =[X (f, τ ) ,..., X (f, て )]Tと第 3の分離行列 W" (f)とを用い、分離信号べ
1 M
タトル
Y (f, T ) =W" (f) -X (f, τ )
を算出し、周波数領域の分離信号 Y (f, τ )をメモリ 100の記憶領域 112に格納する（
Ρ
ステップ S 59)。
[0096] 最後に時間領域変換部 160において、メモリ 100の記憶領域 112から周波数領域 の分離信号 Y (f, τ )を読み出し、これを添え字 ρ毎に時間領域の分離信号 y (t)に変
P P
換し、これらの時間領域の分離信号 y (t)をメモリ 100の記憶領域 113に格納する (ス
P
テツプ S60)。
[ステップ S58の処理の詳細」
図 12及び図 13は、図 11におけるステップ S58の例を説明するためのフローチヤ一 トである。以下、このフローチャートに沿ってステップ S58の詳細を説明していく。
[0097] まず、制御部 170においてパラメータ fに 0を代入し、集合 Fを空集合とし、これらを 示す情報を一時メモリ 171に格納する (ステップ S71)。次に、順列評価部 246にお いて、メモリ 100の記憶領域 110に格納された順列 Πの信頼度を周波数毎に評価し
f
、その評価結果 trust (f)を一時メモリ 171に格納する (ステップ S72)。ここで、順列 Π
f の信頼性が高いとは、例えば、正規化基底ベクトル A " (f)力 それぞれに対応する
P
セントロイド に十分近いということである。また、正規化基底ベクトル A " (f)力 それ k P
ぞれに対応するセントロイド 7? に十分近いかどうかは、例えば、正規化基底ベクトル k
A " (f)とセントロイド r? との距離力 sクラスタ cの分散 u / I c Iより小さいかどうか、 p k k k k
すなわち、
U /|C |> || r? —A " (f) II 2 - (26)
k k k n(k)
により判定できる。よって、このステップでは、例えばまず、順列評価部 246において 、メモリ 100の記憶領域 105から正規ィ匕基底ベクトル A " (f)を、記憶領域 109からセ
P
ントロイド r? を、記憶領域 110から順列 Πをそれぞれ読み出す。そして、順列評価 部 246は、周波数 f毎に、式（26)を満たすか否かを判断し、満たす場合には trust (f) =1を、満たさない場合には trust (f)=0を出力し、一時メモリ 171に格納する。
[0098] 次に、順列修正部 247の判定部 247aが、一時メモリ 171から周波数 f毎に評価結 果 trust (f)を読み出し、 trust (f)=lであるか否かを判断する（ステップ S73)。ここで、 tr ust(f)=0である場合、そのままステップ S76の処理に進む。一方、 trust(f)=lである場 合、制御部 170において、集合 Fと {f}の和集合を新たな集合 Fとして一時メモリ 171 に格納し (ステップ S74)、再並び替え部 247eにおいて、この周波数 fにおける第 2の 分離行列 W' (f)を第 3の分離行列 W" (f)としてメモリ 100の記憶領域 111に格納し (ス テツプ S75)、ステップ S76に進む。
[0099] ステップ S76では、制御部 170において、一時メモリ 171に格納されたパラメータ f の値が mL-l)f /Lを満たすか否かを判断し (ステップ S76)、これを満たさなければ f+ s
f /Lの演算結果を新たなパラメータ fの値として (ステップ S 77)—時メモリ 171に格納 s
し、ステップ S72に戻る。
一方、 mL-l)f/Lを満たす場合、分離信号生成部 247bにおいて、集合 Fに属しな s
い周波数 fを 1つ選択する。そして、分離信号生成部 247bは、この周波数 fとその近 傍であって集合 Fに属する全ての周波数 g(gEF, |g-l1≤ δ , δは定数）とに対し、メ モリ 100の記憶領域 102から周波数領域の混合信号 X(f, τ )=[X (f, τ ) , ···, X (f, τ
1
)]Τ, Χ(§, τ)=[Χ (§, τ), ···, X (g, ]Tを読み出し、記憶領域 111から第 2の分離
1
行列 W' (f),W (g)を読み出し、
Y(f, =W， (f) -X(f, τ)
Figure imgf000038_0001
によって分離信号 Υ(ί·, τ)=[Υ (ΐ, τ), -, Y (f, r)]T, Υ(§, τ)=[Υ (g, τ ) , ···, Υ (g,
I N I N
τ)]Τを算出して一時メモリ 171に格納する (ステップ S78)。
[0100] 次に、エンベロープ算出部 247cにおいて、一時メモリ 171から全ての周波数領域 の分離信号 Y (f, τ ) , Y (g, τ )を読み出し、これらのエンベロープ
Ρ Ρ
vf( r)=|Y (")|
P P
ν8( τ)=|Υ (g, r)|
P P
を算出して一時メモリ 171に格納する (ステップ S79)。 そして、順列再算出部 247dにおいて、周波数の差 δ以下の近傍における相関 cor の和の最大値
[0101] [数 28]
N f
Rf =maxn ∑ ^οοτ{νΠ(1ί) ,ν . g)
|g-f|<6k=l 11 W を算出して一時メモリに格納する (ステップ S80)。ここで、 Π'は周波数 gに対し、既 に決定された順列である。なお、この式における相関 cor( , Ψ)は、 2つの信号 Φ, Ψの相関を示し、以下のように定義される。
ΟΟΓ(Φ, Ψ) = «Φ, Ψ>-<Φ>·<Ψ»/(σ ·σ )
Φ ψ
ただし、く ζ〉は ζの時間平均であり、 σ は Φの標準偏差である。また、 V fは、
Φ n(k)
Πによってエンベロープ V f ( τ )に並び替えられるエンベロープを意味する。すなわち k
、 n(k)列目のエンベロープ V fは、 Π，によって k番目のエンベロープ vf( となる n(k) k
[0102] また、順列再算出部 247dにお 、て、この相関 corの和を最大値ィ匕する順列
[0103] [数 29]
N f
nf'=argmaxn ∑ cor ¾(k) ,ν , g)
|g-f|≤5k=l n (k) を算出してメモリ 100の記憶領域 110に格納する (ステップ S81)。ここで、 Π'は周波 数 gに対し、既に決定された順列である。なお、 argmax vは、 vを最大値ィ匕する Π
Π
を意味する。
次に、制御部 170において集合 ζ }(ζ =argmaxR)との和集合を新たな集合 F f f
として一時メモリ 171に格納する (ステップ S82)。そして、再並び替え部 247eにおい て、 f= ζとし、第 2の分離行列 W' (f)の行を順列 Π，に従って並び替えた第 3の分離 f
行列 W" (f)を生成し、これをメモリ 100の記憶領域 111に格納する（ステップ S83)。
[0104] 次に、制御部 170において、一時メモリ 171に格納された集合 Fが全ての離散化さ れた周波数 M),f/L,"',f (L-l)/Lの要素を有するか否かを判断する (ステップ S84)。 ここで、集合 Fが全ての離散化された周波数 M),f/L,"',f (L- 1)/Lの要素を有しない のであれば、制御部 170は、処理をステップ S 78に戻す。一方、集合 Fが全ての離散 化された周波数 M),f/lv',f (L-l) /Lの要素を有するのであれば、制御部 170は、ス テツプ S58の処理を終了させる。
なお、以上の方法を用いず、前述した特開 2004— 145172号公報や「参考文献」 に記載されたその他の方法を用い、ステップ S58の処理を実行してもよい。
[0105] <実験結果 >
次に、上述した第 1の実施の形態及び第 2の実施の形態による音源分離実験結果 を示す。
[実験結果 1]
1つ目の実験は不規則なセンサ配置によるものである。実験条件は図 14Aに示す 通りである。ここでは 4つの無指向性マイクを不規則に配置したものを用いた力 これ らの配置情報としては、マイク間隔の上限が 4cmであるということだけを信号分離装 置に与えた。音源の数は 3つであり、 3秒間の英語の音声をスピーカから流した。結 果を図 14Bに SIR (signa to- interference ratio)によって示す。大きい SIRほど分離性 能が良いことを示す。ここではパーミュテーシヨン問題を解決する 4種類の手法に関し て結果を比較した。 Envは分離信号のエンベロープ |Y (f, τ ) Iの情報のみを用いたも
P
の、 Basisは正規ィ匕基底ベクトル A " (f)のクラスタリングによるもの（第 1の実施の形態
P
の手法）、 Basis+Envはそれら 2種類の情報を統合してより精度良く問題を解決したも の（第 2の実施の形態の手法）、 Optimalは源信号 sとインパルス応答 h (r)を知って k qk
得た最適な順列によるものである。
[0106] 結果を考察すると、 Envだけでは性能にばらつきがある力 第 1の実施の形態の Bas isはそれだけで十分な分離性能を得ている。また、双方を統合した第 2の実施の形態 の Basis+Envの結果はほぼ Optimalに近 、。このように不規則なセンサ配置を用いた 場合でも、本発明により、周波数領域でのブラインド信号分離が高性能で達成された
[実験結果 2]
2つ目の実験は規則的なセンサ配置によるものである。実験条件は図 15Aに示す 通りである。 3つの無指向性マイクを直線状に 4cm間隔で配置した。音源の数は同 様に 3つであり、 3秒問の英語の音声をスピーカ力 流した。結果を図 15Bに示す。こ の実験では、従来技術として示した信号源の位置に関する推定値をクラスタリングす る方法も比較対象とし、 6種類の手法に関して結果を比較した。 DOAは信号の到来 方向（DOA:direction-of-arrival)の推定値のみでパーミュテーシヨン問題を解決した もの、 DOA+Envはさらに分離信号のエンベロープ情報を統合したものある。
[0107] 従来技術である DOA及び DOA + Envと、本発明である Basis及び Basis+Envの結果 を比較すると、従来手法が適用可能である規則的なセンサ配置に対しても、総じて本 発明により結果が改善されていることがわかる。なお、演算量に関しては、従来技術 とほぼ同等であった。
<第 1, 2の実施の形態の特徴 >
以上より、上述した第 1, 2の実施の形態の特徴をまとめると以下のようになる。
(1)センサの配置情報を厳密に知る必要がなぐある基準センサ力 他のセンサへ の距離の上限のみを知ればよいため、不規則なセンサ配置を採用でき、さらに位置 をキャリブレーションする必要が無 、。 (2)基底ベクトルから得られる情報をすベて用 いてクラスタリングを行うためパーミュテーシヨン問題をより正確に解決することができ
、信号分離の性能が向上する。
[0108] なお、本発明は上述の実施の形態に限定されるものではない。例えば、上述した各 実施の形態では、一般ィ匕行列としてムーア'ペンローズ型一般ィ匕逆行列を用いたが 他の一般化行列を利用する形態でもよ ヽ。
また、第 1の実施の形態では、周波数正規ィ匕部 142aの第 1正規ィ匕部 142aaが、基 底ベクトル A (f)の特定の 1つの要素 A (f)を基準とし、式（15)によって当該基底べ
P QP
タトル A (f)の各要素 A (f)の偏角を正規化することとした。しかし、例えば、以下のよ
P QP
うな式に従って、第 1正規化部 142aaが、基底ベクトル A (f)の特定の 1つの要素 A (
P QP
f)を基準として、当該基底ベクトル A (f)の各要素 A (f)の偏角を正規化する構成で
P QP
あってもよい。
[0109] [数 30] Aqp-'^f ) H Α^(ΐ) I exp{j - (argtA^if ) - AQp*(f )])} … （27-1)
Aqp-'-Cf) =| AqpCf)! expij-CargtAqpC^-argtAQpCf)])} … （27-2) Αφ ' ' ' (f ) =| A ^ (f ) I exp { j · <i(arg[Aqp (f ) / AQp (f )])} … (27-3) ただし、 ·*は、 'の複素共役である。また、 φ {·}は関数であり、クラスタリング精度の 観点から好ましくは単調増加関数であることが望ましい。
また、周波数正規ィ匕部 142aが式（14)の代わりに、
[数 31] . ^ £^ ] ·.· (28— D
4tc~ d .arg [ f)' )] ... ） ' p.arg [ りト [ ] … （ ）
4fc d
< arg[A。p(f)/A0p(f)])
Αα '(f) = p- ら φ , Qp … (28-4)
w 4fc_1d 等の演算によって周波数正規ィ匕を行うこととしてもよい。ただし、 は定数である (例 えば、 /0 =1)。
また、上述の実施の形態では、ノルム正規化部 142bにおいてノルムが 1になるよう な正規ィ匕を行った力 ノルムカ^以外の規定値となるように正規ィ匕を行ってもよい。さ らに、ノルム正規ィ匕部 142bを設けず、ノルム正規ィ匕を行わない構成であってもよい。 この場合、クラスタリング部 143は、周波数正規化ベクトル A，（f)のクラスタリングを行
P
うこと〖こなる。しかし、周波数正規化ベクトル A，（f)は、ノルムが統一されていない。そ
P
こで、この場合のクラスタリング基準は、ベクトルがノルムを含めて似ているかどうかで はなぐベクトルの方向のみが似ている力^うかになる。これは、類似度を用いた評価 になる。類似度の 1つとしてコサイン距離
cos0= | A 'H(f). r? I /( || A '(f) II - II η
ρ k ρ k II)
を例示できる。ここで Θは、周波数正規化ベクトル A， (f)と、セントロイド 7? のベクトル
P k とがなす角度である。コサイン距離を用いる場合、クラスタリング部 143は、コサイン距 離の総和
[0111] [数 32]
Ui =∑ An ''( (ff))eeCC;i i
Figure imgf000043_0001
を最小値ィ匕するクラスタを生成する。なお、セントロイド 7? は、各クラスタのメンバの平
k
均として算出する。
さらに、上記の第 2の実施の形態では、周波数毎に順列の信頼度を評価し、順列 の信頼度が低いと評価された周波数に対し、分離信号のエンベロープを用いて新た な順列を算出することとした。しかし、分離信号のエンベロープとクラスタの中心べタト ルと正規ィ匕基底ベクトルとを一度に統合して順列を算出することとしてもよい。
[0112] また、まず分離信号のエンベロープを用いて順列を算出し、その順列の信頼度を 周波数毎に評価し、信頼度が低いと評価された周波数に対して、第 1の実施の形態 の手法を適用して新たな順列を算出することとしてもよい。
さらに、上記の第 2の実施の形態では、第 2の分離行列 W' (f)を用いて分離信号の エンベロープを算出したが、第 1の分離行列 W(f)或いはその行を並び替えた分離行 列を用いてエンベロープを算出する構成としてもょ 、。
また、パラメータ dは、全てのセンサ qに対して同一であってもよいし、各センサ qに 対応して複数の値を設定しておいてもい。例えば、基準センサとセンサ qとの距離を、 それぞれのセンサ qに対応するパラメータ dの値としてもよい。
[0113] 〔第 3の実施の形態（「第 2の本発明」の例)〕
次に、本発明における第 3の実施の形態について説明する。
本形態は、前述の原理を用い、 目的信号の方向に関する情報を知ることなぐ複数 の信号源から発せられた信号が混合された混合信号から目的信号を抽出する形態 である。
<構成>
本形態の信号分離装置も、第 1の実施の形態と同様、公知のノイマン型のコンビュ ータに信号分離プログラムが読み込まれることにより構成される。図 16は、第 3の実 施の形態における信号分離装置 1001の構成を例示したブロック図である。
[0114] この図に例示するように、信号分離装置 1001は、記憶領域 1101〜1114を有する メモリ 1100、周波数領域変換部 1120、信号分離部 1130、目的信号選択部 1140、 時間周波数マスキング部 1150 (「分離信号生成部」に相当）、時間領域変換部 116 0、制御部 1170及び一時メモリ 1180を有する。ここでメモリ 1100及び一時メモリ 11 80は、例えば、レジスタ 10ac、補助記憶装置 10fのデータ領域 10fb或いは RAMI 0dのデータ領域 10db (図 2)の少なくとも一部に相当する力 特にこれに限定されな い。また、周波数領域変換部 1120、信号分離部 1130、目的信号選択部 1140、時 間周波数マスキング部 1150、時間領域変換部 1160、制御部 1170及び一時メモリ 1180は、例えば、 CPUlOa (図 2)に OSプログラムや信号分離プログラムが読み込 まれることにより構成されるものである。
[0115] 図 17Aは、図 16における目的信号選択部 1140の詳細構成を例示したブロック図 であり、図 17Bは、図 17Aにおける基底ベクトルクラスタリング部 1142の詳細構成を 例示したブロック図である。
これらの図に例示するように、目的信号選択部 1140は、逆行列算出部 1141 (「複 素ベクトル生成部」に対応）、基底ベクトルクラスタリング部 1142及び選択部 1143を 有している。また、基底ベクトルクラスタリング部 1142は、周波数正規化部 1142a (「 正規ィ匕部」を構成）、ノルム正規ィ匕部 1142b (「正規ィ匕部」を構成）、クラスタリング部 1 142c及び分散判定部 1142dを有している。また、周波数正規ィ匕部 1142aは、第 1 正規化部 1142aa及び第 2正規ィ匕部 1142abを有して 、る。
[0116] 図 18Aは、図 16における時間周波数マスキング部 1150の詳細構成を例示したブ ロック図であり、図 18Bは、図 18Aにおけるマスク生成部 1151の詳細を例示したブロ ック図である。
これらの図に例示するように、時間周波数マスキング部 1150は、マスク生成部 115 1及びマスキング部 1152を有している。また、マスク生成部 1151は、白色化行列生 成部 1151a、白色化部 1151b、角度計算部 1151c及び関数演算部 115 Idを有し ている。
[0117] なお、図 16〜図 18における実線の矢印は実際のデータの流れを示し、破線の矢 印は理論上の情報の流れを示す力 制御部 1 170及び一時メモリ 1180に出入りする データの流れは省略してある。また、信号分離装置 1001は制御部 1170の制御のも と各処理を実行する。また、特に示さない限り、制御部 1170は、必要なデータを一時 メモリ 1180に読み書きしながら各処理を実行して 、く。
<処理 >
次に、本形態における信号分離装置 1001の処理について説明する。
[0118] 空間内に N個の信号源 k (k E {l ,2,...,N})が存在し、それらの信号 s (t) (tはサンプリ k
ング時刻）が混合され、 M個のセンサ q (q e{l ,2,...,M})で混合信号 Xとして観測され るとする。本形態では、混合信号 X (t) ,...,x (t)のみから、何れかの信号源力も発せ
1
られた目的信号を抽出してその他の妨害信号を抑圧した信号 y (t)を算出する。なお 、信号源の数 Nはセンサの数 Mよりも多くても少なくてもよぐまた同数であってもよい 。さらに、信号源の数 Nを事前に知る必要もなぐまた信号源の数が数えられないよう な状況であっても構わな 、。
[0119] [処理の全体]
図 19は、第 3の実施の形態における信号分離処理の全体を説明するためのフロー チャートである。以下、この図を用いて本形態における信号分離処理の全体を説明 する。
まず、前処理において、 M個のセンサで観測された時間領域の混合信号 X (t) (q≡ {1 ,...,M})をメモリ 1100の記憶領域 1101に格納しておく。信号分離処理が開始され ると、まず、周波数領域変換部 1120において、メモリ 1100の記憶領域 1101から時 間領域の混合信号 X (t)を読み出す。そして、周波数領域変換部 1120は、これらを 短時間フーリエ変換などにより周波数領域の混合信号 X (f, て )に変換し、メモリ 110 0の記憶領域 1102に格納する（ステップ S 101)。
[0120] 次に、信号分離部 1130において、メモリ 1100の記憶領域 1102から周波数領域 の混合信号 X (f, τ )を読み出す。この例の信号分離部 1130は、読み出した混合信 号 X (f, τ )を要素とする混合信号ベクトル X (f, て ) =[X (f, τ ) , · · · ,Χ (f, て )]Tに、独立 q 1
成分分析 (ICA)を適用し、周波数 f毎に M行 M列の分離行列 W (f) =[W (f) ,... ,W (f)
1
]H ( * Hは行列 *の複素共役転置行列）と分離信号ベクトル Y (f, r ) =W(f) -X (f, τ ) - - - (30)
とを算出する (ステップ S 102)。なお、算出された分離行列 W (f)はメモリ 1100の記憶 領域 1103に格納される。また、分離信号ベクトル Y (f, τ ) =[Y (f, τ ) ,〜,Y (f, τ )]Τを
1
構成する分離信号 Υ (f, τ ) (p e{l,..,M})は、記憶領域 1107に格納される。ステップ
P
S 102の詳細については後述する。
[0121] 次に、目的信号選択部 1140において、メモリ 1100の記憶領域 1103から分離行 列 W (f)を読み出し、その一般ィ匕逆行列の列である基底ベクトルを正規ィ匕し、その正 規ィ匕された基底ベクトルをクラスタリングする。そして、目的信号選択部 1140は、そ のクラスタの分散を指標として、メモリ 1100の記憶領域 1107の分離信号から目的信 号を含む選択信号 Y (f, τ )とそれに対応する基底ベクトル A (f)とを周波数 f毎に
i (f) K0
選択し、メモリ 1100の記憶領域 1111に格納する (ステップ S103)。なお、本形態で は、センサに近ぐそのためセンサで観測されるパワーがその他の源信号と比べて支 配的であり、さらに情報として有用である信号を目的信号として抽出する。このステツ プ S 103の詳細については後述する。
[0122] 次に、時間周波数マスキング部 1150において、メモリ 1100の記憶領域 1102から 周波数領域の混合信号 X (f, τ )を読み出し、記憶領域 1104から選択信号 Y (f, τ )に対応する基底ベクトル A (f)を読み出し、これらを用いて時間周波数マスク M (f,
1 (f)
τ )を生成して記憶領域 1112に格納する（ステップ S104)。なお、ステップ S104の 処理（時間周波数マスキング部 1150の処理）の詳細については後述する。
次に、時間周波数マスキング部 1150において、メモリ 1100の記憶領域 1107から 目的信号選択部 1140で選択された選択信号 Y (f, τ )を読み出し、記憶領域 1112
1 (f)
力も時間周波数マスク M (f, τ )を読み出す。そして、時間周波数マスキング部 1150 は、この時間周波数マスク M (f, τ )を選択信号 Y (f, τ )に適用し、選択信号 Y (f,
ΚΟ Kf) て )に残存する妨害信号成分をより一層抑圧したマスク処理選択信号 Y ' (f, τ )を生 成し、メモリ 1100の記憶領域 1113に格納する（ステップ S105)。なお、このステップ S 105の処理の詳細（時間周波数マスキング部 1150の処理）については後述する。
[0123] 最後に、時間領域変換部 1160において、メモリ 1100の記憶領域 1113から、周波 数領域における選択された分離信号 Y ' (f, τ )を読み出し、それに短時間逆フーリ ェ変換などを施して時間領域の分離信号 y (t)を生成し、メモリ 1100の記憶領域 111
4に格納する（ステップ S 106)。
[ステップ S 102の処理 (信号分離部 1130の処理)の詳細]
前述のように、この例の信号分離部 1130は、独立成分分析 (ICA)によって、混合 信号ベクトル X(f, τ )=[X (f, τ ),···, X (f, τ )]Tから M行 M列の分離行列 W(f)=[W (f)
1 M 1
,...,W (1")]と分離信号べ外ル丫(1 て ）=[丫（1 て ）,"-,丫 （f, ]Tとを算出する (ステツ
1
プ S102)。独立成分分析 (ICA)は、分離信号ベクトル Y(f, τ)=[Υ (f, T ) ,〜,Y (f, τ
1
)]Tの各要素が互いに独立になるように分離行列 W(f)を算出する手法であり、そのァ ルゴリズムとしては、非特許文献 4に記載されて ヽるものなど様々なものが紹介されて いる。なお、独立成分分析 (ICA)は、パワーが小さぐガウス性が高い妨害信号よりも 、パワーが大きぐ非ガウス性が高い本形態の目的信号をより有利に分離抽出できる 手法である。
[0124] [ステップ S 103の処理（目的信号選択部 1140の処理)の詳細]
独立成分分析 (ICA)では、信号の独立性に着目してそれらの分離を行うため、得ら れる分離信号 Y (f, τ )には順序の任意性がある。その順序が入れ替わっても独立性
Ρ
が保たれる力 である。従って、目的信号に対応する分離信号を周波数毎に選択し なければならない。目的信号選択部 1140では、以下に示す処理により、この選択を 行う。
図 20は、第 3の実施の形態における目的信号選択部 1140の処理の詳細を説明す るためのフローチャートである。以下では、この図を用い、目的信号選択部 1140の 処理の詳細を説明する。
[0125] まず、逆行列算出部 1141において、周波数毎にメモリ 1100の記憶領域 1103から Μ行 Μ列の分離行列 W(f)を読み出し、それらの逆行列
W(f)_1=[A (f),...,A (f)] (ただし、その列 A (f)=[A (f),...,A (f)]T "（31)
1 p lp p を算出する。
ここで、式（30)の両辺に式（31)を掛け合わせることにより、周波数領域の混合信 号 X(f, の分解
[0126] [数 33] X(f，T) =∑=1Ap(f)Yp(f，T) … ( 32 ) を得ることができる。この A (f)は基底ベクトルであり、それぞれが各周波数の分離信
P
号 Y (f, τ )毎に対応する。式（31)のように算出された基底ベクトル A (f)はメモリ 110
P P
0の記憶領域 1104に格納される（ステップ S 111)。
次に、基底ベクトルクラスタリング部 1142において、全ての基底ベクトル A (f) (p=l,
P
… 、 M),f/lv",f (L-l)/L)を正規ィ匕する。この正規ィ匕は、複数の信号源から発せ られた信号の畳み込み混合を所定のモデル (例えば、近距離場モデル）に近似した 場合に、正規化された基底ベクトル A (f)が信号源の位置のみに依存したクラスタを
P
形成するように行われる。この例では、第 1の実施の形態と同様な周波数正規化とノ ルム正規化とを行う。
[0127] 周波数正規化は、基底ベクトルクラスタリング部 1142の周波数正規ィ匕部 1142a ( 図 17B)において行われる。すなわち、周波数正規化部 1142aにおいて、メモリ 110 0の記憶領域 1104の基底ベクトル A (f) (p=l,...,M、M),f/lv",f (L-l)/L)を読み出 p s s
し、これらを周波数に依存しない周波数正規ィ匕ベクトル A ' (f)に正規ィ匕してメモリ 110
P
0の記憶領域 1105に格納する (ステップ S 112)。なお、この正規化は基底ベクトル A
P
(f)の要素 A (f)毎に行われる（詳細は後述)。ノルム正規化は、基底ベクトルクラスタ
QP
リング部 1142のノルム正規ィ匕部 1142b (図 17B)において行われる。すなわち、ノル ム正規ィ匕部 1142bにお 、て、メモリ 1100の記憶領域 1105から周波数正規化べタト ル A ' (f)を読み出し、これらをノルムが規定値 (この例では 1)をとる正規ィ匕基底べタト
P
ル A " (f)に正規化してメモリ 1100の記憶領域 1106に格納する（ステップ SI 13)。な
P
お、この正規ィ匕は周波数正規ィ匕ベクトル A ' (f)毎に行われる（詳細は後述)。
P
[0128] 基底ベクトルの正規化が終了すると、次にクラスタリング部 1142c (図 17B)におい て、正規化基底ベクトル A " (f)によって形成される M個のクラスタ C (ie{l,...,M})を
P
同定する。この例の場合、クラスタリング部 1142cにおいて、メモリ 1100の記憶領域 1106から正規化基底ベクトル A " (f)を読み出し、これらをクラスタリングして M個のク
P
ラスタ C (i=l,...,M)を生成し、各クラスタ Cを特定する情報 (例えば、各クラスタに属す る正規化基底ベクトル A " (f)を示す情報）と各クラスタ Cのセントロイド（中心ベクトル）
P η iとをそれぞれメモリ 1100の記憶領域 1109, 1110に格納する（ステップ S114)。 なお、このクラスタリングは、例えば、各クラスタ Cの要素（正規ィ匕基底ベクトル A " (f) )と各クラスタ Cのセントロイド 7?との間の二乗和 Uの総和 U
[0129] [数 34] … （33 )
Figure imgf000049_0001
を最小値ィ匕することを基準に行われる。この最小値化は、例えば、非特許文献 6など で解説されている k-meansクラスタリングを用いることによって効果的に行うことができ る。なお、クラスタ Cのセントロイド 7}は、
[0130] [数 35]
∑Λ "び) eC. Av"(f)/ | Ci |
= ... ( 34 )
|∑ "(0 "(り/ | || によって計算される。ここで I C I はクラスタ Cにおける要素（正規ィ匕基底ベクトル A " (f) )の数であり、 II * IIはベクトル *のノルムである。また、ここでは、距離としてュ ークリツド距離の自乗を用いているが、これを一般ィ匕したミンコフスキー距離などを用 いてもよい。
M個のクラスタ C力得られると、次に分散判定部 1142d (図 17B)において、 目的信 号に対応するクラスタを選択し、選択したクラスタを示す選択情報 I (f)をメモリ 1100 の記憶領域 1111に格納する (ステップ S 115)。なお本形態では、クラスタの分散 U./I c.|を指標に、 目的信号を含む分離信号が選択される。すなわち、本形態における基 底ベクトルの正規ィ匕は、複数の信号源から発せられた信号の畳み込み混合を所定 のモデルに近似した場合に、正規化された基底ベクトルが信号源の位置のみに依存 したクラスタを形成するように行われる。しかし、実環境では、このようなモデルに反映 されない様々な因子が存在し、このような実環境とモデルとの乖離は、信号源カもセ ンサまでの距離が大きいほど大きくなる。例えば、近距離場モデルでは、信号が壁な どに反射することによる反射波成分が考慮されておらず、直接波成分に対する反射 波成分の割合は、信号源がセンサ力も離れるに従って大きくなる。そのため、信号が センサ力も離れるに従ってモデルが成り立ちに《なる。その結果、センサに近い信 号ほど実環境に近 、条件で正規ィ匕ができ、実環境とモデルとの乖離に起因するクラ スタの分散を小さくできる。本形態ではセンサに近い信号を目的信号とするため、分 散の小さ 、クラスタを目的信号に対応するクラスタとして選択すればよ!、ことになる。 なお、この選択手順 (ステップ S 115)の詳細については後述する。
[0131] 各周波数 fに対する選択情報 I (f)が算出されると、次に、各周波数 fにおける選択信 号 Y (f, て )とそれに対応する基底ベクトル A (f)とを選択する。すなわち、まず、選 択部 1143において、メモリ 1100の記憶領域 1111から選択情報 1 (f)を読み出す。そ して、選択部 1143は、この選択情報 1 (f)に対応する分離信号を選択信号 Y (f, τ ) として記憶領域 1107から読み出し、それに対応する基底ベクトル A (f)を記憶領域 1104から読み出し、これらを記憶領域 1111に格納する（ステップ S 116)。
[0132] 次に、ステップ S 112, 113 (図 20)の正規化の詳細を示す。
[ステップ S 112 (周波数正規化）の詳細]
図 21Aは、ステップ S 112の周波数正規化の詳細を説明するためのフローチャート である。
まず、制御部 1170 (図 16)においてパラメータ pに 1を代入し、これを一時メモリ 11 80に格納する (ステップ S 121)。また、制御部 1170においてパラメータ qに 1を代入 し、これを一時メモリ 1180に格納する (ステップ S 122)。次に、周波数正規化部 114 2a (図 17B)において、メモリ 1100の記 '慮領域 1108力ら前述のノ ラメータ d, c, Qを 読み出し、記憶領域 1104から基底ベクトル A (f)の要素 A (f)を読み出し、一時メモ リ 1180からパラメータ p, qを読み出す。そして、この周波数正規ィ匕部 1142aは、基底 ベクトル A (f)の要素 A (f)に対し、
[0133] [数 36]
. arg[Aqp(f)/AQp(f)]
Aqp'C H AqpC I expl j ( 3 5 )
4fc_1d の演算を行い、当該演算結果 A ，（f)を周波数正規ィ匕ベクトル A，（f)の各要素 A ，（f
)としてメモリ 1100の記憶領域 1105に格納する（ステップ S 123)。なお、 arg [ ' ]は偏 角を意味し、 expはネピア数を意味し、 jは虚数単位を意味する。より詳細には、前述 の式（15) (16)の演算によって、この正規化を行う。
次に、制御部 1170において、一時メモリ 1180に格納されたパラメータ qが q = Mを 満たすか否かを判断する（ステップ S 124)。ここで q = Mでなければ、制御部 1170は 、 q+ 1の演算結果を新たなパラメータ qの値とし、これを一時メモリ 1180に格納し (ス テツプ S 125)、処理をステップ S 123へ戻す。一方、 q = Mであれば、制御部 1170は 、さらに p = Mを満たす力否かを判断する（ステップ S 126)。
[0134] ここで p = Mでなければ、制御部 1170は、 p + 1の演算結果を新たなパラメータ の 値とし、これを一時メモリ 1180に格納し (ステップ S127)、処理をステップ S122へ戻 す。一方、 ρ = Μであれば、制御部 1170は、ステップ S112の処理を終了させる（ス テツプ S112 (周波数正規化)の詳細の説明終わり）。
[ステップ S 113 (ノルム正規化）の詳細]
図 21Bは、ステップ S113のノルム正規化の詳細を説明するためのフローチャート である。
[0135] まず、制御部 1170において、パラメータ ρに 1を代入し、これを一時メモリ 1180に 格納する（ステップ S131)。次に、ノルム正規化部 1142bにおいて、メモリ 1100の記 憶領域 1105から周波数正規ィ匕ベクトル A，（f)の各要素 A ，（f)を読み出し、
P QP
[0136] [数 37]
Figure imgf000051_0001
の演算を行って、周波数正規化ベクトル A，（f)のノルム
P II A， (f)
P IIを求め、周波数正 規化ベクトル A，（f)及びそのノルム
P II A， (f)
P IIを一時メモリ 1180に格納する（ステツ プ S132)。
次に、ノルム正規ィ匕部 1142bにおいて、一時メモリ 1180から周波数正規ィ匕べタト ル A，（f)及びそのノルム II A， (f) IIを読み出し、
P P
A " (f) =A ' (f) / || A，（f)
P P P II - (39)
の演算を行って正規ィ匕基底ベクトル A " (f)を求め、これをメモリ 1100の記憶領域 1
P
106【こ格糸内する（ステップ S 133)。その後、 ff¾御咅 1170【こお!ヽて、一時メモリ 1180 に格納されたパラメータ pが P = Mを満たすか否かを判断する (ステップ S 134)。ここ で p = Mでなければ、制御部 1170は、 p + 1の演算結果を新たなパラメータ pの値と し、これを一時メモリ 1180に格納し (ステップ S135)、ステップ S132の処理に戻す。 一方、 p = Mであれば、制御部 1170は、ステップ S113の処理を終了させる。なお、 正規化基底ベクトル A " (f)がクラスタを形成する理由は、第 1の実施の形態で示した
P
通りである (ステップ S 113 (ノルム正規化）の詳細の説明終わり）。
[0137] このように生成された正規ィ匕基底ベクトル A " (f)は、第 1の実施の形態で示した通り
P
、周波数に依存せず、信号源の位置のみに依存するベクトルとなる。
[選択信号の選択手順 (ステップ S 115)の詳細]
次に、前述した選択信号の選択手順 (ステップ S 115)の詳細を例示する。 クラスタの選択手順 1 :
第 1の例は、最も分散が小さいクラスタを目的信号に対応するクラスタとして選択す るものである。図 22は、この第 1の例を説明するためのフローチャートである。
[0138] この場合、まず分散判定部 1142d (図 17B)おいて、メモリ 1100の記憶領域 1109 力 クラスタ C (i E{l,...,M})を特定する情報を読み出し、さらに記憶領域 1106, 111 0から、それぞれ正規化基底ベクトル A " (f) EC及びセントロイド 7?を読み出す。そし
P
て、分散判定部 1142dは、各 iについて、式（33)のように を求め、 Cに属する要素 (正規化基底ベクトル A " (f) )の数をカウントすることにより I C Iを求め、クラスタ C の分散 U/|C.|を算出して一時メモリ Ι ΙδΟに格納する。そして、分散判定部 l l42dは 、この一時メモリ 1180に格納された分散 U/|C |から最小なものを選択し、それに対応 するクラスタを示す情報をクラスタ選択情報
L =argmin U/|C |…（40)
として一時メモリ 1180に格納する（ステップ S 141)。なお、式（40)における argmin * は、 *を最小にする iを意味する。
[0139] 次に、制御部 1170 (図 16)において、パラメータ fに 0を代入し、これを一時メモリ 1 180に格納する（ステップ S 142)。
次に、分散判定部 1142dは、一時メモリ 1180からクラスタ選択情報 tを読み出し、 メモリ 1100の記憶領域 1110からクラスタ選択情報 に対応するセントロイド η を読 み出す。また、分散判定部 1142dは、メモリ 1100の記憶領域 1106から正規ィ匕基底 ベクトル A " (f) (p E{l,...,M})を読み出す。そして、分散判定部 1142dは、周波数 f
P
毎に選択情報
I (f) =argmin || A " (f) - r? || 2 …（41)
P P
を算出し、記憶領域 1111に格納する (ステップ S 143)。
[0140] 次に、制御部 1170において、一時メモリ 1180からパラメータ fを読み出し、 - 1) •f/Lであるか否かを判断する（ステップ S 144)。ここで - 1) 'f/Lでなければ、制 御部 1170は、このパラメータ fに f/Lを加算した値を新たな fとして一時メモリ 1180に s
格納し (ステップ S 145)、処理をステップ S 143に戻す。一方、 -1) 'f/Lであれば s
、制御部 1170は、ステップ S115の処理を終了させる。
クラスタの選択手順 2 :
第 2の例は、予め定められたしきい値よりも分散が小さいクラスタを目的信号に対応 するクラスタとして選択するものである。なお、このしきい値は、例えば実験結果又は 経験に基づき定められる値であり、事前にメモリ 1100に格納しておくものである。
[0141] この場合、ステップ S141 (図 22)の処理の代わりに、分散判定部 1142dにおいて、 まず各クラスタの分散 ι ι^ιを公知の並び替えアルゴリズムによって昇順或いは降順 に並び替える。そして、分散判定部 1142dは、メモリ 1100に格納されたしきい値を読 み取り、分散 U/|C.|がしきい値よりも小さくなるクラスタを選択し、選択したクラスタに対 応する添字 iの集合をクラスタ選択情報 tとして一時メモリ 1180に格納する。それ以 外は、クラスタの選択手順 1と同様である。
クラスタの選択手順 3 :
第 3の例は、最も分散の小さいクラスタだけではなぐ最も分散が小さいクラスタから 所定番目に分散が小さいクラスタまで (例えば、最も分散の小さいクラスタ力も 3番目 に分散が小さいクラスタまで)を目的信号に対応するクラスタとして選択するものであ る。
[0142] この場合、ステップ S141 (図 22)の処理の代わりに、分散判定部 1142dにおいて、 まず各クラスタの分散 l iCiiを、公知の並び替えアルゴリズムによって昇順或いは降 順に並び替える。そして、分散判定部 1142dは、最も分散 U/|C |が小さいクラスタか ら所定番目に分散 ι ι^ιが小さいクラスタまでを選択する。この選択後、分散判定部
1142dは、選択したクラスタに対応する添字 iの集合をクラスタ選択情報 tとして一時 メモリ 1180に格納する。それ以外は、クラスタの選択手順 1と同様である。
なお、クラスタの選択手順 1の代わりに分散の小ささが 2番目以降のいずれかのクラ スタを選択することとしてもよく、上述したクラスタの選択手順の一部を組み合わせた 手順を適用してもよい (ステップ S115の説明終わり Zステップ S103の処理（目的信 号選択部 1140の処理)の詳細の説明終わり）。
[0143] [時間周波数マスキング部 1150の処理 (ステップ S 104, S 105)の詳細]
次に、時間周波数マスキング部 1150の処理について説明する。前述のように、時 間周波数マスキング部 1150は、目的信号選択部 1140で選択された選択信号 Y (f , τ )に残存する妨害信号成分をさらに抑圧するものである。以下ではまず、なぜ選択 信号 Y (f, τ )に妨害信号が残存するのかにつ 、て説明する。
前述した式 (30)を選択信号のみに関して書くと、
(f) 'X(f, τ) 〜（42)
Figure imgf000054_0001
となる。また、これに式 (4)を代入して周波数 fを省略して書くと、
[0144] [数 38]
Yi(T) = WI H-H,-Si(T) + ∑WR H-HK-Sk( ) … (43)
k=l,...,I-l,I+l，···, N と表記できる。もし N≤Mであれば、独立成分分析 (ICA)により、 WH-H =0,Vke{l,...
I k
,1-1,1+1,...,N}を満たすような \^を設定することが可能である。そのため、式 (43)の第 二項は 0になる。しかし、より一般的に信号源数 Νがセンサ数 Μよりも多い場合には、 WH-H ≠0,Vk≡ κとなる κ {1,…，ト 1,Ι+1,...,Ν }が存在してしまう。その場合、選択
I k
信号 Y (f)は不必要な残留成分 (妨害信号の残留成分）
[0145] [数 39]
Figure imgf000054_0002
を含んでしまう（以後 fを省略せず)。
時間周波数マスキング部 1150の目的は、この選択信号 Y (f, τ )に含まれる不必要 な残留成分を抑圧し、選択信号 Y^f, τ )よりも妨害信号の残留成分が少ないマスク 処理選択信号 Y'(f, τ )を生成することである。そのために、時間周波数マスキング部 1150は、まずマスク生成部 1151 (図 18)において、妨害信号の残留成分を有する 時間周波数スロットに対して小さな値を採り、妨害信号の残留成分が少ない時間周 波数スロットに対して大きな値を採る時間周波数マスク 0≤M(f,て )≤1を生成する。 そして、マスキング部 1152において、
Y '(f, r)=M(f, τ)·Υ (f, τ) ·'·(44)
に従ってマスキング処理を行 ヽ、マスク処理選択信号 Υ ' (f, τ )を出力する。以下、
1(f)
この詳細について説明する。
[0146] [ステップ S 104 (マスク生成部 1151)の処理の詳細]
図 23は、図 19におけるステップ S104の詳細を説明するためのフローチャートであ る。以下、この図を用い、ステップ S 104 (マスク生成部 1151)の処理の詳細を説明 する。
この例のマスク生成部 1151は、周波数領域の混合信号ベクトル X(f, τ )を白色化 する空間（白色化空間）にお ヽて、混合信号ベクトル X (f,て )と選択信号に対応する 基底ベクトル A (f)とのなす角度 0 (f, τ)を求め、その角度 0 (f, τ)に基づき、
i(f) ι(£) ι(£)
時間周波数マスクを生成する。なお、白色化とは、混合信号ベクトル X(f, τ )を線形 に変形し、その共分散行列が単位行列と等しくなるようにすることである。
[0147] そのためにまず、白色化行列生成部 1151aにおいて、周波数領域の混合信号 X ( f, τ )を用い、混合信号ベクトル X(f, τ )を白色化空間に移す白色化行列 V(f)を生成 する（ステップ S151)。この例の場合、白色化行列生成部 1151aは、メモリ 1100の 記憶領域 1102から混合信号 X (f, τ )を読み出し、 R(f)=<X(f, τ ) -X(f, τ )Η> とした
Q て 場合における V(f)=R(f) _1/2を白色化行列 V(f)として算出し、これを記憶領域 1112 に格納する。なお、〈*〉 はベクトル *を時間平均したベクトルを意味し、 * は*の 複素共役転置を意味し、 R_1/2は、 R"12-R- (R— 1/2)H=I(Iは単位行列)を満たす行列を 意味する。また、白色化行列 V(f)を算出する代表的な方法として、 R(f)を固有値分 解 R(f)=E(f) -D(f) 'E(f)H(E(f)はュ-タリ行列、 D(f)は対角行列）し、 V(f)=D(f)"12- E(f)Hの演算を行う方法を例示できる。なお、 D(f)— 1/2は、対角行列 D(f)の各要素の (- 1/2)乗した対角行列と等価となるため、対角行列 D (f)の各要素の (-1/2)乗すること によって算出できる。
[0148] 次に、白色化部 1151bにおいて、この白色化行列 V(f)を用い、混合信号ベクトル X
(f, τ )を白色化空間に写像した白色化混合信号べ外ル Z(f, τ )と、基底べ外ル A (f)を白色化空間に写像した白色化基底ベクトル B (f)とを算出する (ステップ S 152
1(f)
)。この例の場合、まず白色化部 1151bにおいて、メモリ 1100の記憶領域 1102から 混合信号 X (f, τ )を、記憶領域 1111から選択信号 Y (f, τ )に対応する基底べタト q ΚΟ
ル A (f)を、記憶領域 1112から白色化行列 V(f)をそれぞれ読み出す。そして、白 色化部 1151bは、 Z(f,て )=V(f) -X(f, τ )の演算により白色化混合信号ベクトル Z(f, τ)を算出し、 B (f)=V(f)-A (f)の演算により白色化基底べ外ル B (f)を算出し
i(f) ι(£) ι(£)
、これらをメモリ 1100の記憶領域 1112に格納する。
[0149] 次に、角度計算部 1151cにおいて、白色化混合信号ベクトル Z(f, τ )と白色化基底 ベクトル B (f)とがなす角度 Θ (f, τ )を時間周波数毎に算出する (ステップ S153)
i(f) Κ0
。この例の場合、まず角度計算部 1151cにおいて、メモリ 1100の記憶領域 1112か ら白色化混合信号ベクトル Z(f, τ )と白色化基底ベクトル B (f)とを読み出す。そして
1(f)
、角度計算部 1151cは、
Θ f (f.r)^"^^ "(f)-Z(f,r)|/||Bf (f) II · ||Z(f,r) || ) … (45)
Κΰ Κΰ Κΰ
の演算により、各時間周波数スロットに対して角度 Θ (f, τ )を算出し、記憶領域 11 12に格納する。なお、式 (45)における I * Iはベクトル *の絶対値を意味し、 II *
IIはベクトル *のノルムを意味する。
[0150] 次に、関数演算部 1151dにおいて、角度 Θ (f, τ )を要素とする関数である時間 周波数マスク M(f, τ )を生成する (ステップ SI 54)。この例の場合、関数演算部 1151 dにおいて、まず、メモリ 1100の記憶領域 1108から実数パラメータ Θ , gを、記憶領
T
域 1112から角度 Θ (f, τ )を、それぞれ読み出す。そして、関数演算部 1151dは、
1(f)
口ジスティック関数
Figure imgf000056_0001
を時間周波数マスク M (f, τ )として算出する。なお、実数パラメータ θ , gは、それぞ
T
れ時間周波数マスク M(f, τ )の転移点と傾き度を指定するパラメータであり、前処理 によって記憶領域 1108に格納しておいたものである。図 24Aに、二種類の実数パラ メータ Θ , gに対し、式 (46)に従って算出された時間周波数マスク M(f, τ )を例示す
Τ
る。この図に例示すように、実数パラメータ Θ 力 、さいほど、時間周波数マスク M(f,
T
τ )が大きな値 (この例では 1)をとる領域が狭くなる。これは実数パラメータ Θ が小さ
Τ
いほど、マスク処理選択信号 Υ ' (f, τ )に残存する妨害信号成分が少なくなるが、そ の反面、マスク処理選択信号 Υ ' (f, τ )が不自然なものとなると!/ヽつた傾向に現れる
1(f)
。例えば、音声信号を目的信号とする場合、実数パラメータ Θ を小さくするほどミュ
Τ
ージカルノイズ (musical noise)が大きくなる。また、実数パラメータ gが大きくなるほど 時間周波数マスク M(f, τ )の波形 (大きな値 (この例では 1)力 小さな値 (この例では 0)への遷移）は急峻になる。ここで、できるだけマスク処理選択信号 Υ ' (f, τ )に残 存する妨害信号成分を減らし、マスク処理選択信号 Υ ' (f, τ )を自然な信号とするた
1(f)
めには実数パラメータ gを小さくし、時間周波数マスク M(f, τ )の波形を滑らかなもの とすることが望ましい。
[0151] なお、これらの実数パラメータ 0 , gを周波数毎に設定しておく構成としてもよい。
T
また、さらに実数パラメータ αを導入し、ロジスティック関数
Μ( θ (ΐ, τ )) =
Figure imgf000057_0001
(ί'τ)~ΘΎ)) -(47)
を時間周波数マスク M(f, τ )としてもよい。さらに、角度 Θ (f, τ )が 0に近い領域に
1(f)
おいて大きな値を採り、角度 Θ (f, τ )が大きな領域において小さな値を採る 0≤M( Θ (f, τ ))≤ 1の関数であれば、他の関数を時間周波数マスク M(f, τ )として用いても よい (ステップ S104(マスク生成部 1151)の処理の詳細の説明終わり）。
[0152] [ステップ S 105 (マスキング部 1152)の処理の詳細]
マスキング部 1152は、メモリ 1100の記憶領域 1111から選択信号 Y (f, τ )を、記
1(f)
憶領域 1112から時間周波数マスク M(f, τ )をそれぞれ読み出す。そして、マスキン グ部 1152は、
Y '(f, r )=M(f, τ ) ·Υ (f, τ )…（48)
の演算によってマスク処理選択信号 Υ ' (f, τ )を求め、これをメモリ 1100の記憶領
1(f)
域 1113に格納する（ステップ S 105 (マスキング部 1152)の処理の詳細の説明終わ り)。 [0153] [時間周波数マスキングの効果]
次に、上述した時間周波数マスク M(f,て )によるマスキングの効果について説明す る。
信号源のスパース性が高ぐ信号源 S (f, τ )がゼロに近くなる可能性が高いなら、 k
式 (4)は、
[0154] [数 40]
X(f , τ) « Hk (f ) - Sk (f , τ) , k e {1,..., N} - (49) として近似される。なお、式 (49)における kは各信号源に対応する添字であり、時間 周波数位置 (f, τ )毎に決まる。よって、目的信号が唯一アクティブ或いはそれに近い 時間周波数位置 (f, τ )では、白色化混合信号ベクトル Z(f, τ )は、
[0155] [数 41]
Z(f ,て) V(f ) · H I(f ) (f ) . S I(f ) (f , τ) V(f ) · AI(f ) (f) . YI(f ) (f,て） と近似できる。ここで、 Y (f, τ )はスカラ値である。また、前述のように白色化基底べ タトル B (f)は、
1(f)
B (f)=V(f) - A (f) ---(50)
ΚΟ Kf)
である。以上より、目的信号が唯一アクティブ或いはそれに近い時間周波数位置 (f, τ )では、白色化混合信号ベクトル Z(f, τ )と白色化基底ベクトル B (f)とがなす角度 Θ (f, τ )は 0に近くなることが分かる。そして、前述のように時間周波数マスク M(f,
1(f)
て )は、角度 Θ (f, τ )が 0に近い領域において大きな値を採るのである。よって、時 間周波数マスク M(f, τ )は、目的信号が唯一アクティブ或いはそれに近い時間周波 数位置 (ί·, τ )における選択信号 Υ て）をマスク処理選択信号 Υ '(ί·, τ )として抽
Kf) Κ0
出するものと 、える（式 (48)参照)。
[0156] 一方、仮に I(f)=lとおいた場合、目的信号が殆どアクティブでない時間周波数位置
(f, τ )では、白色化混合信号ベクトル Z(f, τ )は、
[0157] [数 42]
Figure imgf000058_0001
… (51) と近似できる。ここで、信号源の Nが、センサの数 Mと同等かそれより少ないならば、 白色化空間でのベクトル V(f) ·Η (f),...,V(f) ·Η (f)は互いに直交する。なお、式（51
1 k
)の3 て）はスカラ値である。これより、白色化混合信号ベクトル Z(f, と白色化基 k
底ベクトル B (f)とがなす角度 Θ (f, τ )が大きくなることがわかる。また Ν>Μでも、 i(f) Κ0
白色化基底ベクトル B (f) (I(f)=l)は、目的信号以外のベクトル V(f)'H (f),...,V(f)-
1 2
H (f)とは大きい角度を持つ傾向がある。以上より、目的信号が殆どアクティブでない k
時間周波数位置 (f, τ )では、角度 Θ (f, τ )が大きな値を採ることが分かる。そして、 時間周波数マスク M (f, τ )は、角度 Θ (f, τ )が 0から離れた領域にぉ 、て小さな値 を採るのであるから、目的信号が殆どアクティブでない時間周波数位置 (f,て )におけ る選択信号 Y (f, τ )をマスク処理選択信号 Υ ' (f, τ )力も排除するものと!/、える (式 i(f) Κ0
(28)参照)。
[0158] 以上より、時間周波数マスク M (f, τ )による時間周波数マスキング処理は、選択信 号 Y (f, τ )に残存する妨害信号成分をより一層抑圧するものであることがわかる。 なお、この時間周波数マスキング処理は、音声や音楽などスパース性を持つ信号 に対して特に有効である。スパース性が低い場合、目的信号がアクティブである時間 周波数位置 (f, τ )であっても他の妨害信号成分も多く含まれ、式 (49)の近似が成り 立たなくなり、角度 0 (f, τ )が 0から離れてしまうからである。すなわちスパースでな
1(f)
V、場合、例えば、図 24Βのように、ある時間周波数位置 (f,て )にお 、て目的信号 (I (f )=1とする）に対応するベクトル V(f) ·Η (f)の他に、妨害信号に対応するベクトル V(f)
1
•H (f), V(f)-H (f)力共存すること〖こなる。この例の場合、白色化混合信号ベクトル Z
2 3
(f,て )は、
[0159] [数 43]
Figure imgf000059_0001
… （52) となるため、白色化混合信号ベクトル Z (f,て )と白色化基底ベクトル B (f)とがなす角
1(f)
度 0 (f, τ )も 0から離れてしまう。これは目的信号がアクティブである時間周波数位
1(f)
置 (f, τ )の信号をマスク処理選択信号 Υ ' (f, τ )力 排除してしまう可能性があること を示している。 また、この時間周波数マスキング処理は、目的信号のパワーが妨害信号のパワー に比べて十分に大きい場合に特に有効である。すなわち、目的信号のパワーが妨害 信号のパワーに比べ十分に大きい場合、たとえスパース性が低ぐ目的信号がァクテ イブである時間周波数位置 (f, τ )に他の妨害信号成分も含まれる状況であっても、 式 (49)の近似が比較的成り立ち、角度 Θ (f, τ )が 0に近づくからである。例えば、 目的信号のパワーが妨害信号のパワーに比べ十分に大きい場合、式（52)における 妨害信号の寄与度は低くなり、白色化混合信号ベクトル Z (f, τ )と白色化基底べタト ル B (f)とがなす角度 Θ (f, て )も 0に近づく。これは、目的信号がアクティブである 時間周波数位置 (f, て )の信号が、マスク処理選択信号 Y ' (f, τ )力ら排除されてしま
1 (f)
う可能性を低くできることを示して 、る。また、マスク処理選択信号 Υ ' (f, τ )に尚も
1 (f)
残存する妨害信号成分を相対的に低くできることを意味している (ステップ S105 (マ スキング部 1152)の処理の詳細の説明終わり）。
[0160] 〔第 4の実施の形態（「第 2の本発明」の例)〕
次に、本発明における第 4の実施の形態について説明する。
本形態は、第 3の実施の形態の変形例であり、時間周波数マスクによる処理を行わ ない点のみが第 3の実施の形態と相違する。以下では、第 3の実施の形態との相違 点を中心に説明し、第 3の実施の形態と共通する事項については説明を省略する。
<構成>
図 25は、第 4の実施の形態における信号分離装置 1200のブロック図の例示である
[0161] 図 25に例示するように、本形態の信号分離装置 1200の信号分離装置 1001との 相違点は、メモリ 1100に記憶領域 1112, 1113を有しない点、及び時間周波数マス キング部 1150を有しな 、点である。
<処理 >
次に、本形態における信号分離装置 1200の処理について説明する。 図 26は、第 4の実施の形態における信号分離装置 1200の処理を説明するための フローチャートである。以下では、第 3の実施の形態との相違点を中心に説明する。
[0162] まず、第 3の実施の形態と同様に、周波数領域変換部 1120において、メモリ 1100 の記憶領域 1101から時間領域の混合信号 x (t)を読み出す。そして、周波数領域 変換部 1120は、これらを短時間フーリエ変換などにより周波数領域の混合信号 X (f, τ )に変換し、メモリ 1100の記憶領域 1102に格納する（ステップ S 161)。
次に、信号分離部 1130において、メモリ 1100の記憶領域 1102から周波数領域 の混合信号 X (f, τ )を読み出す。この例の信号分離部 1130は、読み出した混合信 号 X (f, τ )を要素とする混合信号ベクトル X (f, て ) =[X (f, τ ) , · · ·,Χ (f, て )]Tに、独立 q 1
成分分析 (ICA)を適用し、周波数 f毎に M行 M列の分離行列 W (f) =[W (f) ,...,W (f)
1
f ( * Hは行列 *の複素共役転置行列）と分離信号ベクトル Y (f, τ ) =W (f) -X (f, τ )と を算出する (ステップ S162)。なお、算出された分離行列 W (f)はメモリ 1100の記憶 領域 1103に格納される。また、分離信号ベクトル Y (f, τ ) =[Y (f, τ ) ,〜,Y (f, τ )]Τを
1
構成する分離信号 Υ (f, τ ) (p e{l,..,M})は記憶領域 1107に格納される。
P
[0163] 次に、目的信号選択部 1140において、メモリ 1100の記憶領域 1103から分離行 列 W (f)を読み出し、その一般ィ匕逆行列の列である基底ベクトルを正規ィ匕し、その正 規ィ匕された基底ベクトルをクラスタリングする。そして、目的信号選択部 1140は、そ のクラスタの分散を指標として、メモリ 1100の記憶領域 1107の分離信号から選択信 号 Y (f, τ )を周波数 f毎に選択し、メモリ 1100の記憶領域 1111に格納する (ステツ プ S163)。
次に、時間領域変換部 1160において、メモリ 1100の記憶領域 1111から選択され た分離信号 Y (f, τ )を読み出し、それに短時間逆フーリエ変換などを施して時間領 域の分離信号 y (t)を生成し、メモリ 1100の記憶領域 1114に格納する (ステップ S16 4)。
[0164] 〔第 5の実施の形態（「第 2の本発明」の例)〕
次に、本発明における第 5の実施の形態について説明する。
本形態は、第 3の実施の形態の変形例であり、時間周波数マスクの生成方法のみ が第 3の実施の形態と相違する。以下では、第 3の実施の形態との相違点を中心に 説明し、第 3の実施の形態と共通する事項については説明を省略する。
<構成>
図 27は、第 5の実施の形態における信号分離装置 1300のブロック図の例示であ る。また、図 28Aは、図 27における時間周波数マスキング部 1350の詳細構成を示 すブロック図であり、図 28Bは、図 28Aのマスク生成部 1351の詳細構成を示すブロ ック図である。なお、これらの図において第 3の実施の形態と共通する部分について は、第 3の実施の形態の図と同じ符号を付した。
[0165] 図 27に例示するように、本形態の信号分離装置 1300の信号分離装置 1001との 相違点は、信号分離装置 1300が、時間周波数マスキング部 1150の代わりに時間 周波数マスキング部 1350を有する点、メモリ 1100力記憶領域 1108, 1112の代わ りに記憶領域 1308, 1312を有する点である。また、図 28Aに示すように、時間周波 数マスキング部 1350は、マスク生成部 1351及びマスキング部 1152を有する。また 、図 28Bに示すように、マスク生成部 1351は、周波数正規化部 1351a、ノルム正規 化部 1351b、セントロイド抽出部 1351c、自乗距離算出部 135 Id及び関数生成部 1 351eを有している。また、周波数正規ィ匕部 1351aは、第 1正規ィ匕部 1351aa及び第 2正規ィ匕部 135 labを有しており、セントロイド抽出部 1351cは、セントロイド選択部 1 35 lea及びノルム正規化部 135 lcbを有している。
[0166] <マスク生成処理 >
本形態と第 3の実施の形態との相違点は、時間周波数マスクの生成処理 (ステップ S104)のみである。以下では、本形態の時間周波数マスクの生成処理のみを説明 する。
図 29は、第 5の実施の形態における時間周波数マスクの生成処理を説明するため のフローチャートである。また、図 30Aは、図 29におけるステップ S171の詳細を説明 するためのフローチャートである。また図 30Bは、図 29におけるステップ S172の詳 細を説明するためのフローチャートである。以下、これらの図を用い、本形態の時間 周波数マスクの生成処理を説明する。
[0167] まず、マスク生成部 1351の周波数正規化部 1351aが、メモリ 1100の記憶領域 11 02に格納されている周波数領域の混合信号 X (f,て）から構成される混合信号べタト ル X (f, τ )を、周波数に依存しない周波数正規化ベクトル X' (f, τ )に正規化し (周 波数正規化）、当該周波数正規化ベクトル X' (f, τ )の各要素 X (f, τ )をメモリ 1100 の記憶領域 1312に格納する（ステップ S 171)。 [周波数正規ィ匕処理 (ステップ S171)の詳細]
以下に、この周波数正規ィ匕処理 (ステップ S171)の詳細を説明する。
[0168] まず、制御部 1170 (図 27)においてパラメータ qに 1を代入し、これを一時メモリ 1 180に格納する（ステップ S181)。次に、周波数正規化部 1351a (図 28B)において 、メモリ 1100の記憶領域 1308から前述のパラメータ d, c, Qを読み込み、記憶領域 1102から各 (f, τ )に対応する混合信号ベクトル X (f, τ )の要素 X (f, τ )を読み込み 、一時メモリ 1180からパラメータ qを読み込む。そして、周波数正規ィ匕部 1351aは、 [数 44]
Figure imgf000063_0001
の演算を行い、当該演算結果を周波数正規化ベクトル X' (f, τ ) =[Χ ' (f, τ ) ,.,.,Χ ' (f,
1
τ )]Τの各要素として、メモリ 1100の記憶領域 1312に格納する (ステップ S182)。な お、 arg [ · ]は偏角を意味し、 jは虚数単位を意味する。
より詳細には、まず、周波数正規ィ匕部 1351aの第 1正規ィ匕部 1351aaが、混合信号 ベクトル X (f, τ )の特定の 1つの要素 X (f, τ )を基準として当該混合信号ベクトル X (f, τ )の各要素 X (f, τ )の偏角を、以下の演算によって正規ィ匕する。
[0170] [数 45]
Xq-(f,r) H Xq(f, ) | exp{j - arg[Xq(f,r)/XQ(f,r)]} … ( 54 ) 次に、周波数正規ィ匕部 1351aの第 2正規ィ匕部 1351ab力 第 1正規ィ匕部 1351aa で正規化された各要素 X '" (f, τ )の偏角を、以下のように周波数 fに比例した値 4fc— 1 dで除算する。
[0171] [数 46]
Figure imgf000063_0002
次に、制御部 1170において、一時メモリ 1180に格納されたパラメータ qが q = Mを 満たす力否かを判断する（ステップ S183)。ここで q = Mでなければ、制御部 1170は 、 q+ 1の演算結果を新たなパラメータ qの値とし、これを一時メモリ 1180に格納し (ス テツプ S184)、処理をステップ S 182へ戻す。一方、 q = Mであれば、制御部 1170は ステップ S171の処理を終了させ、以下のステップ S 172の処理を実行させる（周波数 正規ィ匕処理 (ステップ S171)の詳細終わり）。
[0172] 次に、マスク生成部 1351のノルム正規化部 1351b力 メモリ 1100の記憶領域 131 2に格納されている各要素 X (f, τ )からなる周波数正規化ベクトル X' (f, τ )を、ノル ムが所定の値 (この例では 1)になるノルム正規ィ匕ベクトル X， '（f, τ )に正規化し (ノ ルム正規化）、それら各要素 X " (f, τ )を記憶領域 1312に格納する (ステップ S17 2)。
[ノルム正規化処理 (ステップ S 172)の詳細]
以下に、このノルム正規ィ匕処理 (ステップ S 172)の詳細を説明する。
[0173] まず、ノノレム正規ィ匕咅 1351b (図 28B)において、メモリ 1100の記'隐領域 1312力 ら、各 (f, τ )に対応する周波数正規化ベクトル X' (f, τ ) =[Χ ' (f, τ ) ,.,.,Χ ' (f, τ )]Τを
1
読み込む。そして、ノルム正規ィ匕部 1351bは、
[0174] [数 47]
Figure imgf000064_0001
の演算を行ってそれらのノルム II X' (f, τ ) IIを求め、周波数正規ィ匕ベクトル X' (f, τ ) 及びノルム II X' (f, τ ) IIを一時メモリ 1180に格納する（ステップ S185)。
次に、ノルム正規ィ匕部 1351bは、一時メモリ 1180から各 (f, τ )に対応する周波数 正規化ベクトル X' (f, τ )及びノルム II X' (f, τ ) IIを読み出し、
X" (f, r ) =X' (f, T ) / || X' (f, τ ) ||
の演算を行ってノルム正規化ベクトル X" (f, τ )を求める（ステップ S 186)。
[0175] 求められたノルム正規化ベクトル X" (f, τ )は、メモリ 1100の記憶領域 1312に格納 される。これによりステップ S 172の処理が終了する（ノルム正規化処理 (ステップ S 17 2)の詳細の説明終わり）。
次に、セントロイド抽出部 1351cのセントロイド選択部 1351caが、一時メモリ 1180 力もクラスタ選択情報 tを読み込み (ステップ S141参照）、このクラスタ選択情報 t に対応するセントロイド r? ^をメモリ 1100の記憶領域 1110から読み込む (ステップ S1 73)。次に、ノルム正規ィ匕部 135 lcbが、セントロイド選択部 135 leaが読み込んだセ ントロイド 7? のノルムを所定の値 (ステップ S 172の所定の値〔この例では 1〕）に正規 化する。このノルム正規化後のセントロイド 7} をノルム正規化セントロイド 7} ，と呼ぶ (ステップ S174)。なお、ノルム正規化の手順は、ステップ S185, S186と同様である 。また、ノルム正規化セントロイド η ，は、メモリ 1100の記憶領域 1312に格納される
[0176] 次に、自乗距離算出部 1351dが、メモリ 1100の記憶領域 1312から、ノルム正規 化ベクトル X" (f, て )とノルム正規ィ匕セントロイド 7? ，とを読み込み、それらの距離の自 乗
DS (f, τ ) = || η ，― Χ，，(ί·, τ ) || 2
を算出し (ステップ S 175)、その距離の自乗 DS (f, τ )をメモリ 1100の記憶領域 1312 に格納する。
次に、関数生成部 1351eが、メモリ 1100の記憶領域 1312から距離の自乗 DS (f, τ )を読み込み、これを変数とする関数を用いて時間周波数マスク M (f, τ )を生成し 、メモリ 1100の記憶領域 1312に格納する (ステップ S176)。具体的には、関数生成 部 1351eは、例えば、メモリ 1100の記憶領域 1308から実数パラメータ g, Dを読み
T
込み、以下のロジスティック関数を時間周波数マスク M (DS (f, τ ) )として生成する。な お、 Dは事前に記憶領域 1308に格納しておいたものである。また、 eはネピア数で
T
ある。
[0177] [数 48] 攀 (f，て )) = 1 + eg卿 - W … （5 6 ) そして、以上のように生成された時間周波数マスク M (DS (f, τ ) )は、第 3の実施の 形態と同様、マスキング部 1152でのマスキング処理に用いられる。
〔実験結果〕
第 3,第 4の実施の形態の効果を示すために、マイクロホンに近い主要音声を強調 して抽出する実験を行った。この実験では、図 31 Αに示す実験条件でインパルス応 答 h (r)を測定した。ここでは、カクテルパーティの状況を再現するようにスピーカを qk
配置した。また、全てのスピーカの音量はほぼ等しくなるようにし、特別なスピーカの 音量のみが著しく大きくならないようにした。マイクロホンでの混合は、 8kHzでサンプ リングした 6秒間の英語音声を、測定したインパルス応答と畳み込むことにより作成し た。マイクロホン配置は、図 31Aに示すように 3次元的にした力 信号分離装置を実 装したシステム（装置）には、基準マイクロホン (Mic.2)とその他のマイクロホン間の最 大距離 (3.5cm)のみを情報として与え、詳細なマイクロホン配置は与えていない。各 実験において、マイクロホンに近い 4つのスピーカ位置（al20,bl20,cl20,cl70)の中 力も 1つを目的音源として選び、残りの 3つのスピーカは無音状態にした。マイクロホ ン力 離れた 6個のスピーカは、各実験で常に妨害音として作動させた。抽出結果は Input SIR— Output SIRである; R (signal— to— interference ratio)の改善量によつ飞 評価した。この値が大きいほど、より良く目的音声を抽出し、他の妨害音をより抑圧で きたことを意味する。これら 2種類の SIRは、
[数 49]
InputSIR = 10 log10 11 1 ~~ - ( d Β )
<|∑k≠1∑rhlk(r)- sk(t -り I 〉t ハ + +cTD mi , ,R ,
OutputSIR = lOlogjo ( dB)
Figure imgf000066_0001
によって定義される。 ここで、 ulk(r) =∑^∑¾w]q(r) . hqk(r - r) は s (t)力ら y (t)へのインパルス応答である。
k 1
実験は、各目的音源位置に対して、 7つの音声（目的音声 1個と妨害音声 6個)力 なる組合せを 16種類作成して行った。図 31Bは、 ICAのみの場合 (第 4の実施の形 態）と、 ICAと時間周波数マスキングの両方を組み合わせた場合 (第 3の実施の形態） との SIRの平均改善量を示す表である。 SIRの改善量は、目的音源の位置によって多 少左右されるが、おおむね良好な結果を得ている。位置 al20と bl20とでの結果が良 いのは、妨害音が異なった位置から到来するからである。位置 cl20と cl70は、 2次元 的に見ると、同様の方向から多くの妨害音が到来するため困難な位置に思えるが、 実際に位置 cl70での結果は大変良力つた。これは、 cl70の高さが妨害音と異なり、 3 次元状に配列されたマイクロホンによって、本システムが高さの違いを自動的に利用 して抽出処理を行っているからである。また、図 31Bの表によると、時間周波数マスキ ングにより性能が改善されることが分かる。時間周波数マスクを決定する式 (46)に対 して図 31Aに示す 3種類のパラメータを用いた。より小さい Θ を用いることで、より大
T
きい SIR改善量が達成されている。しかしながら、小さい Θ によるいくつかの音は、不
T
自然な音 (musical noise)を伴った。実験の結果、多くの場合においてパラメータ（ 0
T
,g) = (0.333 π ,20)が、十分に妨害音の抑圧を行 、ながら、かつ自然な音を出力する ことを確認した。
[0179] 〔変形例等〕
なお、本発明は上述の第 3から第 5の実施の形態に限定されるものではない。例え ば、上述した各実施の形態では、信号分離部 1130において Μ行 Μ列の分離行列 W (f)を算出することとしたが、 N行 M列など正方行列以外の分離行列 W(f)を算出す る構成としてもよい。この場合、基底ベクトルは、分離行列 W (f)の一般ィ匕逆行列 W+ (f ) (例えばムーア ·ペンローズ（Moore- Penrose)型一般化逆行列）の各列となる。
また、第 3の実施の形態では、時間周波数マスクを用いて選択信号 Y (f, τ )から
Kf)
妨害信号成分をさらに抑制したマスク処理選択信号 Υ ' (f, τ )を生成することとした 力 他の方法によって妨害信号成分を抑制したマスク処理選択信号 Υ ' (f, τ )を生 成することとしてもよい。例えば、信号源が 2個だけである場合、抽出された分離信号 Y (f, τ ) , Y (f, τ )の大きさを比較し、 I Y (f, τ ) I > I Y (f, τ ) Iならば Υ (f, τ )を
1 2 1 2 1 マスク処理選択信号 Υ ' (f, τ )として抽出し、 Y (f, τ ) Y (f, τ ) Υ (
1 (f) I 1 Iく I 2 Iならば
2 f, τ )をマスク処理選択信号 Υ ' (f, τ )として抽出する時間周波数マスクを生成し、分 離信号 Y (f, τ ) , Y (f, τ )を要素とするベクトルに掛け合わせることとしてもよい。
1 2
[0180] さらに、上述の第 3の実施の形態では、信号分離部 1130が独立成分分析 (ICA)を 用いて分離行列と分離信号とを算出することとしたが、時間周波数マスク (時間周波 数毎のマスクを意味し、例えば、 1か 0の値をとるバイナリマスク）によって観測信号か ら分離信号を抽出し（例えば、「〇. Yilmaz and S. Rickard, "Blind separation of speec h mixtures via time-frequency masking, IEEE Trans, an SP, vol. 52, no. 7, pp. 183 0-1847, 2004.」参照）、その算出結果力も分離行列を生成することとしてもよい。 また、上述の第 3の実施の形態では、周波数正規ィ匕部 1142aの第 1正規ィ匕部 114 2aaが、基底ベクトル A (f)の特定の 1つの要素 A (f)を基準とし、式（35)の一部であ
P QP
る式（15)によって当該基底ベクトル A (f)の各要素 A (f)の偏角を正規化することと
P QP
した。しかし、例えば、前述した式 (27-1)〜（27-3)等に従って、第 1正規化部 1142a aが、基底ベクトル A (f)の特定の 1つの要素 A (f)を基準として、当該基底ベクトル A
P QP
(f)の各要素 A (f)の偏角を正規ィ匕する構成であってもよ!/、。
P QP
[0181] また、周波数正規ィ匕部 1142aが、式（35)の代わりに、前述した式 (28-1)〜（28-4) 等の演算によって周波数正規ィ匕を行うこととしてもよい。
また、上述の第 3の実施の形態では、ノルム正規化部 1142bにおいてノルムが 1に なるような正規ィ匕を行った力 ノルムが 1以外の規定値となるように正規ィ匕を行っても よい。さらに、ノルム正規ィ匕部 1142bを設けず、ノルム正規ィ匕を行わない構成であつ てもよい。この場合のクラスタリングは、前述した通り、ベクトルの方向の類似度を基準 にして行う。
[0182] また、パラメータ dは、全てのセンサ qに対して同一であってもよ!/、し、各センサ qに 対応して複数の値を設定しておいてもよい。例えば、基準センサとセンサ qとの距離 を、それぞれのセンサ qに対応するパラメータ dの値としてもよ 、。
〔第 6の実施の形態（「第 3の本発明」の例)〕
次に、本発明における第 6の実施の形態について説明する。
本形態は、前述の原理を用い、センサの厳密な配置情報を必要とすることなぐ全 ての観測信号力 得られた情報を容易かつ効率的に利用して信号分離を行う形態 である。本形態では、後述する「混合信号ベクトル」が前述の「複素ベクトル」に相当 する。
[0183] <構成 >
本形態の信号分離装置 2001も、第 1の実施の形態と同様、公知のノイマン型のコ ンピュータに信号分離プログラムが読み込まれることにより構成される。図 32は、第 6 の実施の形態における信号分離装置 2001の構成を例示したブロック図である。また 、図 33は、図 32における信号分離部 2120の詳細を例示したブロック図である。なお 、これらの図における実線の矢印は実際のデータの流れを示し、破線の矢印は理論 的な情報の流れを示す。また、これらの図において制御部 2140に出入りするデータ の流れに対応する矢印は省略してある。
[0184] 図 32,図 33に例示するように、信号分離装置 2001は、メモリ 2100、周波数領域 変換部 2110 (「複素ベクトル生成部」に相当する機能を含む)、信号分離部 2120、 時間領域変換部 2130及び制御部 2140を有している。また、この信号分離部 2120 は、周波数正規化部 2121 (「正規化部」を構成）、ノルム正規化部 2122 (「正規化部 」を構成）、クラスタリング部 2123及び分離信号生成部 2124を有している。また、周 波数正規ィ匕部 2121は、第 1正規ィ匕部 2121a及び第 2正規ィ匕部 2121bを有している 。また、制御部 2140は一時メモリ 2141を有している。
[0185] ここでメモリ 2100及び一時メモリ 2141は、レジスタ 10ac、補助記憶装置 10f及び R AMIOd等に相当する。また、周波数領域変換部 2110、信号分離部 2120、時間領 域変換部 2130及び制御部 2140は、 CPUlOaに OSプログラムや信号分離プロダラ ムが読み込まれ、 CPUlOaがこれらを実行することにより構成されるものである。
<処理 >
次に、本形態の信号分離装置 2001の処理について説明する。なお、以下では、 N 個の源信号が混合され、 M個のセンサで観測された状況を取り扱う。また、前処理に おいて、各センサで観測された時間領域の混合信号 X (t) (q=l,...,M)がメモリ 2100 の記憶領域 2101に格納され、信号の伝達速度 c、 M以下の自然数から選択された 基準値 Q, Q' (それぞれ M個のセンサ力も選択された基準センサの添字番号)及び 実数 dの各パラメータが記憶領域 2105に格納されているものとする。
[0186] 図 34は、本形態における信号分離装置 2001の処理の全体を説明するためのフロ 一チャートである。以下、この図に沿って、本形態における信号分離装置 2001の処 理を説明していく。
[処理の全体]
まず、周波数領域変換部 2110において、メモリ 2100の記憶領域 2101から時間領 域の混合信号 X (t)を読み出し、これらを短時間離散フーリエ変換等によって周波数 毎の時系列信号（「周波数領域の混合信号」と呼ぶ) X (f, て ) (q=l ,… 、 i≡0,f/L, - , f (L-l) /L、 f はサンプリング周波数）に変換し、メモリ 2100の記憶領域 2102に格納 する（ステップ S 201)。
[0187] 次に、信号分離部 2120の周波数正規ィ匕部 2121において、メモリ 2100の記憶領 域 2102から周波数領域の混合信号 X (f, τ )を読み出す。周波数領域の混合信号 X (f, τ )を読み出した周波数正規ィ匕部 2121は、これらからなる混合信号ベクトル X (f, て ) =[X (f, て ) , ...,X (f, て )]Tを、周波数 fに依存しない周波数正規化ベクトル X
1 ， (f, て
)に正規化する (ステップ S202)。生成された各周波数正規化ベクトル X ' (f, τ )はメ モリ 2100の記憶領域 2103に格納される。なお、ステップ S202の処理の詳細につい ては後述する。
[0188] 次に、信号分離部 2120のノルム正規化部 2122において、メモリ 2100の記憶領域 2103から各周波数正規ィ匕ベクトル X， (f, τ )を読み込み、これらをノルムが所定の値 (例えば 1)になるノルム正規ィ匕ベクトル X" (f, τ )に正規化する。そして、ノルム正規 化部 2122は、生成した各ノルム正規ィ匕ベクトル X" (f, τ )をメモリ 2100の記憶領域 2 104に格納する（ステップ S203)。なお、この詳細については後述する。
次に、信号分離部 2120のクラスタリング部 2123において、メモリ 2100の記憶領域 2104から各ノルム正規ィ匕ベクトル X" (f, τ )を読み込み、これらをクラスタリングし、ク ラスタを生成する。そして、クラスタリング部 2123は、各クラスタを特定するクラスタ情 報じ （k (k=l ,...,N)番目のクラスタのメンバ X" (f, τ )を特定する情報）をメモリ 2100の k
記憶領域 2106に格納する（ステップ S204)。なお、この詳細については後述する。
[0189] 次に、信号分離部 2120の分離信号生成部 2124において、メモリ 2100の記憶領 域 2106, 2105からクラスタ情報 C及び基準値 Q 'を読み込む。そして、分離信号生 k
成部 2124は、クラスタ情報 C及び基準値 Q 'を用い、 k番目のクラスタに属するノル k
ム正規化ベクトル X" (f, て )に対応する混合信号ベクトル X (f, τ )から Q，番目の要素 X (f, τ )を記憶領域 2102から抽出し、これを k番目の要素 Y (f, τ )とした分離信号べ
Q， k
タトル Y (f, τ )を生成する。そして、分離信号生成部 2124は、生成した分離信号べク トル Y (f, τ )をメモリ 2100の記憶領域 2107に格納する（ステップ S 205)。なお、この 詳細については後述する。
[0190] 最後に、時間領域変換部 2130において、メモリ 2100の記憶領域 2107から分離 信号ベクトル Y (f, τ )を読み込み、その分離信号成分 Y (f, τ )を添字 k毎に短時間逆 k
フーリエ変換等により、時間領域の分離信号 y (t)
k に変換する。そして、時間領域変 換部 2130は、変換した時間領域の分離信号 y (t)をメモリ 2100の記憶領域 2108 k
に格納する（ステップ S 206)。
次に、各処理の詳細について説明する。
[周波数正規ィ匕部 2121 ·ノルム正規ィ匕部 2122の処理の詳細]
周波数正規化部 2121及びノルム正規化部 2122は、全ての混合信号ベクトル X (f, τ ) =[Χ (f, T ) ,...,X (f, ]T (M),f /L, " - ,f (L- 1) /L)を正規ィ匕し、それらを周波数に
1 s s
依存せず、信号源の位置のみに依存するノルム正規化ベクトル X" (f, て )に正規化す る。これにより、それらをステップ S204でクラスタリングした際に、各クラスタが各信号 源のみに対応するようになる。この正規ィ匕を適切に行わないとクラスタが形成されな い。前述した通り、本形態における正規ィ匕は、周波数正規化とノルム正規化とからな る。周波数正規化は、周波数正規ィ匕部 2121において、混合信号ベクトル X (f, τ )を 周波数に依存しない周波数正規化ベクトル X' (f, て )に正規ィ匕するものである。ノルム 正規化は、ノルム正規ィ匕部 2122において、周波数正規化ベクトル X' (f, τ )をノルム が規定値 (この例では 1)をとるノルム正規ィ匕ベクトル X" (f, τ )に正規ィ匕するものであ る。以下にこれらの正規ィ匕の詳細を説明する。
[0191] [周波数正規ィ匕部 2121における処理の詳細 (ステップ S202の処理の詳細）] 図 35Αは、図 34に示したステップ S202の処理の詳細を説明するためのフローチヤ ートである。以下、この図に沿ってステップ S202の処理の詳細を説明する。
まず、制御部 2140 (図 32)においてパラメータ qに 1を代入し、これを一時メモリ 21 41に格納する（ステップ S211)。次に、周波数正規ィ匕部 2121 (図 32,図 33)におい て、メモリ 2100の記憶領域 2105から前述のパラメータ d, c, Qを読み込み、記憶領 域 2102から各 (f, τ )に対応する混合信号ベクトル X (f, τ )の要素 X (f, τ )を読み込 み、一時メモリ 2141からパラメータ qを読み込む。そして、周波数正規ィ匕部 2121は、
[0192] [数 50]
Figure imgf000072_0001
の演算を行い、当該演算結果を周波数正規化ベクトル X' (f, τ)=[Χ ' (f, τ ) ,.,.,Χ ' (f,
1
τ )]Τの各要素として、メモリ 2100の記憶領域 2103に格納する (ステップ S212)。な お、 arg [ · ]は偏角を意味し、 jは虚数単位を意味する。
より詳細には、まず、周波数正規ィ匕部 2121の第 1正規ィ匕部 2121aが、混合信号べ タトル X(f, τ )の特定の 1つの要素 X (f, τ )を基準として当該混合信号ベクトル X(f, τ )の各要素 X (f, τ )の偏角を、以下の演算によって正規ィ匕する。
[0193] [数 51]
Xq"'(f,T)HXq(f, )|exp{j.arg[Xq(f,r)/XQ(f,T)]} … （61) 次に、周波数正規ィ匕部 2121の第 2正規ィ匕部 2121bが、第 1正規ィ匕部 2121aで正 規化された各要素 X '"(f, τ )の偏角を、以下のように周波数 fに比例した値 4fc— で 除算する。
[0194] [数 52] arg[X '"(ί,τ)]
X。'(f,て )=|X。'"(f,T)|eXp J- (62)
4fc一1 d 次に、制御部 2140において、一時メモリ 2141に格納されたパラメータ qが q = Mを 満たす力否かを判断する（ステップ S213)。ここで q = Mでなければ、制御部 2140は 、 q+1の演算結果を新たなパラメータ qの値とし、これを一時メモリ 2141に格納し (ス テツプ S214)、処理をステップ S212へ戻す。一方、 q = Mであれば、制御部 2140は ステップ S202の処理を終了させ、以下のステップ S203の処理を実行させる。
[0195] [ノルム正規ィ匕部 2122における処理の詳細 (ステップ S203の詳細） ]
図 35Bは、図 34に示したステップ S203の処理の詳細を説明するためのフローチヤ ートである。以下、この図に沿ってステップ S303の処理の詳細を説明する。
ノノレム正規ィ匕咅 2122(図 32,図 33)において、メモリ 2100の記'隐領域 2103力ら、 各 (f, τ )に対応する周波数正規化ベクトル X' (f, τ)=[Χ ' (f,て ) ,.,.,Χ ' (f,て；)] 'を読み 込む。そして、ノルム正規化部 2122は、
[0196] [数 53]
||x'(f，て )| ∑q M xq'(f,て))2 の演算を行ってそれらのノルム II X' (f, て ) IIを求め、周波数正規ィ匕ベクトル X' (f, τ ) 及びノルム II X' (f, τ ) IIを一時メモリ 2141に格納する（ステップ S221)。
次に、ノルム正規ィ匕部 2122は、一時メモリ 2141から各 (f, て )に対応する周波数正 規化ベクトル X' (f, τ )及びノルム II X' (f, τ ) IIを読み出し、
X" (f,
Figure imgf000073_0001
T ) / || X' (f, T ) II - (63)
の演算を行ってノルム正規化ベクトル X" (f, τ )を求める（ステップ S222)。求められ た各ノルム正規化ベクトル X" (f, τ )は、メモリ 2100の記憶領域 2104に格納される。 これによりステップ S203の処理が終了する。
[0197] このように生成されたノルム正規ィ匕ベクトル X" (f, て )は、周波数に依存せず、信号 源の位置のみに依存するベクトルとなる。その結果、このノルム正規ィ匕ベクトル X" (f, て )はクラスタを形成すること〖こなる。以下にこの理由を説明する。
[ノルム正規ィ匕ベクトル X" (f, て )がクラスタを形成する理由]
本形態では源信号のスパース性を仮定しているので、混合信号ベクトル X (f, τ )の 各要素 X て）は、源信号 ρに対応する信号源 kからセンサ qへの周波数応答 Η に 比例した (ある複素数スカラである源信号 S (f, τ )が掛力つた)ものになっている (X (f
k q
, τ ) =Η (f, T ) - S (f, τ ) )。
qk k
[0198] これらの源信号 S (f, τ )は離散時間に応じて (すなわち位相に応じて)変化するが、
k
当然ながら、周波数 fが同じであれば、センサ qで観測される源信号 S (f, τ )の偏角と
k
、基準センサ Qで観測される源信号 S (f, τ )の偏角との相対値は離散時間が変化し
k
ても一定である。
前述のように、周波数正規ィ匕部 2121の第 1正規ィ匕部 2121aは、混合信号ベクトル X (f, τ )の特定の 1つの要素 X (f, τ )を基準として当該混合信号ベクトル X (f, τ )の
Q
各 X (f, τ )の偏角を正規化する。
[0199] これにより、上述の源信号 S (f, τ )の位相に起因する不確定性を取り除き、源信号 ρ とセンサ qとに対応する混合信号ベクトル X (f, τ )の各要素 X (f, τ )の偏角を、源信号 pと基準センサ Q (基準値 Qに対応)とに対応する混合信号ベクトル X (f, て )の要素 X
Q
(f, て )の偏角に対する相対値として表現する。なお、この場合、要素 X (f, て )の偏角
Q
に対応する相対値は 0と表現される。
信号源 kからセンサ qへの周波数応答を、反射や残響の無!、直接波モデルで近似 して考える。すると、上記の第 1正規ィ匕部 2121aにより正規ィ匕された偏角は、信号源 k力もセンサへの波の到達時間差と周波数 fの双方に比例したものになる。ここでの 到達時間差とは、信号源 kからの波がセンサ qに到達するまで時間と、当該波が基準 センサ Qに到達するまでの時間との時間差である。
[0200] また、前述のように、第 2正規ィ匕部 2121bは、第 1正規ィ匕部 2121aで正規ィ匕された 各要素 X "' (f, て )の偏角を周波数 fに比例した値で除算する。これにより、各要素 X ' " (f, τ )を、それらの偏角の周波数依存性を排除した各要素 X ' (f, τ )に正規化する 。これにより、正規化された各要素 X ' (f, τ )は、直接波モデルに従えば、信号源 kか らセンサへの波の到達時間差のみに依存するものとなる。ここで、信号源 kからセン サへの波の到達時間差は、信号源 k,センサ q,基準センサ Qの相対位置にのみ依 存する。そのため、信号源 k,センサ q,基準センサ Qが同じであれば、周波数 fが異 なっても各要素 X ' (f, τ )の偏角は同一となる。従って、周波数正規化ベクトル X' (f, τ )は、周波数 fには依存せず、信号源 kの位置のみに依存する。そのため、周波数正 規化ベクトル X' (f, τ )のノルムを正規化したノルム正規化ベクトル X" (f, τ )のクラスタ リングによって、同じ信号源毎に対応するクラスタが形成される。なお、実際の環境で は、反射や残響などの影響により、直接波モデルは厳密には満たされないが、後述 の実験結果に示すとおり十分に良 、近似となって 、る。
[0201] 次に、ノルム正規ィ匕ベクトル X" (f, τ )がクラスタを形成する理由を、モデルを用いて 説明する。
前述した式（1)に示されるインパルス応答 h (r)を直接波 (近距離場)混合モデルを
qk
用いて近似し、周波数領域で表すと、
[0202] [数 54] Hqk(f) = ^¾χρΗ2πί·(Γ - dQk)] ( 6 4 )
qk となる。 ：で、 d は信号源 kとセンサ qとの間の距離であり、 γ (ί)は周波数に依存し た定数である。また、減衰 γ (f)/d は、距離 d と定数 γ (f)によって決まり、遅延 qk qk (d qk
-d ) /cは、基準センサ Qの位置で正規ィ匕された距離によって決まる。
Qk
また、信号のスパース性を仮定すると、各時間周波数 (f, て )において以下の関係が 成り立つ。
[0203] X (f, τ ) =Η (f, T ) - S (f, τ ) (65)
ここで、式（62) (63) (64) (65)より、
[数 55]
XD"(f,て)
Figure imgf000075_0001
( 6 6 )
dqkD 2 d ik となる。
この式力ら分力、るように、ノルム正規ィ匕ベクトル X" (f, τ )の各要素 X " (f, τ )は、周 波数 fからは独立であり、信号源 kとセンサ qの位置のみに依存する。従って、ノルム 正規ィ匕ベクトルをクラスタリングすると、同じ信号源ごとに対応するクラスタが形成され る。
[0205] また、同様なことは、信号の減衰を考慮していない近距離場混合モデルや遠距離 場混合モデルでモデルィ匕した場合にも言える（1の実施の形態と同様)。
また、第 1の実施の形態と同様、式 (66)から、ノ ラメータ dの値は、 d>d Z2であ max ることが望ましく（d は要素 X " (f, て )に対応する基準センサと他のセンサとの最大 max Q
距離を意味する。）、より好ましくは d≥d であることが望ましぐさらにより好ましくは d
max
=d であることが望ましいことが分かる。
max
図 37及び図 38は、パラメータ d毎のノルム正規化ベクトル X" (f, τ )の要素 X " (f, τ )と、その偏角 arg[X " (f, て；)]との関係を説明するための複素平面図である。なお 、これらにおける横軸は実軸を縦軸は虚軸を示して 、る。
[0206] 図 37Aは d Z2≥dの場合における複素平面図である。ここで上述の d の定義よ り、任意の q及び kに対し d - d の絶対値は d 以下となる。よって d Z2≥dの場合 qk Qk max max
、（π/2) · ((1 - d )/d≤- π, (π/2) · ((1 - d )/d≥ πと成り得る。その結果、式（66 qk Qk qk Qk
)で表される X " (f, τ)の偏角 arg[X " (f, τ )]は、 2 πを超える α ≤arg[X " (f, τ)] q q 1 Q
≤ ( ≤-π, ≥ π )の範囲に分布する可能性がある。そのため、異なるノルム
2 1 2
正規化ベクトル X" (f, τ )の要素 X " (f, τ )の偏角が一致する可能性があり、前述し たクラスタリングにおいて、異なるノルム正規ィ匕ベクトル X" (f, τ )を同じクラスタにクラ スタリングしてしまう可能性がある。よって、 d>d Z2であることが望ましい。しかし、 max
この偏角の重複範囲に対応するノルム正規化ベクトル X"(f, τ )のサンプルが存在し ないならば d
max Z2≥dとしても問題はない。
[0207] 図 37Bは d /2<d<d の場合における複素平面図である。この場合、- π < ( max max
π/2) · (ά -d )/d<- π/2, π/2< (π/2) · ((1 - d )/d< πと成り得る。その結果、 qk Qk qk Qk
式 (66)で表される X " (f, τ )の偏角 arg[X " (f, τ )]は、 β ≤arg[X " (f, τ)]≤ β ( q q 1 Q 2
—πぐ β <-π/2, π/2< β く π )の範囲に分布する可能性がある。そのため、- π
1 2
<arg[X " (f， τ)]<- π/2及び 7u/2<arg[X " (f， τ )]< πの範囲において、異なる ノルム正規ィ匕ベクトル X" (f, τ )の要素間における偏角の差の増加に伴い、これらの 要素間の距離が単調増加しないこともありうる。これは、前述したクラスタリングの精度 を低下させる可能性がある。よって d≥d であることがより望ましい。
max
[0208] 図 38Aは d=d の場合における複素平面図であり、図 38Bは d>d の場合にお max max
ける複素平面図である。ここで d>d の場合、- π/2く（π/2) · ((1 - d )/d<0, 0< max qk Qk
(π/2) · (ά - d )Α π/2と成り得る。その結果、式 (66)で表される X " て）の偏 qk Qk q
角 arg[X " (f， τ)]は、図 38Bに示すように、 y ≤arg[X " (f, τ)]≤ γ (~π/2< y q 1 q 2 1 く 0、 0< y < π/2)の範囲に分布する。そして、 dが大きくなればなるほどその分布
2
範囲は狭くなつていき、狭い範囲にクラスタが密集していく。これは、前述したクラスタ リングの精度を低下させる。
[0209] これに対し、 d = d である場合、— π/2≤ (π/2) · ((1 — d )/d<0, 0く（π/2) · ((1 max qk Qk qk
- d )/d≤ π/2と成り得る。その結果、式 (66)で表される X " (f, τ )の偏角 arg[X " (f
Qk q q
, τ)]は図 38Aに示すように- 7u/2≤arg[X " (f, τ )]≤ π /2の範囲に分布する。この 場合、ノルム正規ィ匕ベクトル X" (f, τ )の要素間における偏角の差の増加に対して、 それらの距離も単調増加するという関係を維持しつつ、できるだけ広い範囲にクラス タを分散させることができる。その結果、一般的にクラスタリングの精度を向上させるこ とができる（[周波数正規ィ匕部 2121 ·ノルム正規ィ匕部 2122の処理の詳細]の説明終 わり）。
[0210] [クラスタリング部 2123の処理の詳細 (ステップ S204の詳細） ]
前述のようにクラスタリング部 2123は、メモリ 2100の記憶領域 2104からノルム正規 化ベクトル X" (f, τ )を読み込み、これらをクラスタリングして Μ個のクラスタを生成する 。このクラスタリングは、例えば、各クラスタのメンバ (X" (f, z )≡C )と各クラスタのセ k
ントロイド との間の二乗和 uの総和 U
k k
[0211] [数 56]
Uk =∑x"(f, eCk |X"(f，て) - ¾f を最小化することを基準に行われる。この最小化は、例えば、非特許文献 6などで解 説されている k-meansクラスタリングを用いることによって効果的に行うことができる。 なお、クラスタ情報 Cが示すクラスタのセントロイド（中心ベクトル） η は、
k k
[0212] [数 57]
∑X"(f， eCkx"(f，て) /| ck l
¾ =
∑x"(f ^c.x' 1，て) zi ck I によって計算される。ここで I c I はクラスタ情報 cが示すクラスタのメンバ (ノルム正 k k
規化ベクトル X" (f, τ ) )の数である。また、ここでは、距離としてユークリッド距離の自 乗を用いて 、るが、これを一般ィ匕したミンコフスキー距離などを用いてもょ ヽ（ [クラス タリング部 2123の処理の詳細]の説明終わり）。
[分離信号生成部 2124の処理の詳細 (ステップ S205の詳細） ]
図 36は、図 34に示したステップ S 205の処理の詳細を説明するためのフローチヤ ートである。以下、この図に沿ってステップ S205の処理の詳細を説明する。
まず、制御部 2140 (図 32)において、全てのパラメータ k (k = l , · · · , N)及び時間 周波数 (f, τ ) (定義された範囲における全ての fと τ )に対する Y (f, τ )の値を 0に k
初期化し、これらをメモリ 2100の記憶領域 2107に格納する（ステップ S230)。
次に、制御部 2140においてパラメータ kに 1を代入し、これを一時メモリ 2141に格 納する（ステップ S231)。次に、分離信号生成部 2124 (図 32,図 33)において、メモ リ 2100の記憶領域 2106のクラスタ情報 Cを読み込み、これが示す k番目のクラスタ k
のメンバ（ノルム正規ィ匕ベクトル X" (f, τ ) )を抽出し、これらを一時メモリ 2141に格納 する (ステップ S232)。次に、分離信号生成部 2124は、ステップ S232で一時メモリ 2 141に格納された各ノルム正規ィ匕ベクトル X" (f, τ )を参照し、これらに対応する時間 周波数 (f, τ )の各混合信号ベクトル X (f, τ )をメモリ 2100の記憶領域 2102から読み 込み、これらを一時メモリ 2141に格納する (ステップ S233)。次に、分離信号生成部 2124は、メモリ 2100の記憶領域 2105から基準値 Q，を読み込み、一時メモリ 2141 から、ステップ S233で格納された混合信号ベクトル X (f, τ )の Q '番目の要素 X (f, τ )を抽出する (各時間周波数 (f, て )について)。そして、分離信号生成部 2124は、 抽出した要素 X (f, τ )を分離信号ベクトル Y (f, τ )の k番目の要素 Y (f, τ )としてメモ
Q k
リ 2100の記憶領域 2107の値を更新する (ステップ S234)。すなわち、この例の分離 信号生成部 2124は、
[0214] [数 58]
Figure imgf000078_0001
として要素 Y (f
k , を抽出する。
次に、制御部 2140において、一時メモリ 2141に格納されたパラメータ kが k=Nを 満たす力否かを判断する（ステップ S235)。ここで k=Nでなければ、制御部 2140は 、 k+ 1の演算結果を新たなパラメータ kの値とし、これを一時メモリ 2141に格納し (ス テツプ S236)、処理をステップ S232へ戻す。一方、 k=Nであれば、制御部 2140は ステップ S205の処理を終了させる（[分離信号生成部 2124の処理の詳細]の説明 終わり）。
[0215] <実験結果 >
次に、本形態による音源分離実験結果を示す。ここでは、本形態の効果を示すた めに二種類の信号分離の実験を行った。
1つ目の実験は、 2つのセンサによる分離実験である。その実験条件は図 39Aに示 す通りである。信号源の数は 3つであり、 6秒間の英語の音声をスピーカから流した。 また、この実験結果を図 39Bの表に示す。この表では、 SIR (signaH:o-interference ra tio)の向上量を示している。大きい数字ほど分離性能が良いことを示す。ここでは、 分離前のセンサでの観測結果 [InputSIR]と、 DOAによるクラスタリングによる結果 [D OA (Previous) ]と、本形態（正規化によるクラスタリング）による結果 [Normalized obse r. vector (Proposed) ]を示している。この結果より、 2つのセンサの場合、本形態の方 法によって、 DOAのみによるクラスタリング結果と同等の性能で信号分離が可能であ ることが確認できた。
[0216] 2つ目の実験は、不規則なセンサ配置によるものである。実験条件は図 40Aに示 す通りである。この実験では、 4つの無指向性マイク（センサ）を直線的ではない配置 とした。また、これらの配置情報としては、マイク間隔の上限が 4cmであるということだ けを分離システムに与えた。信号源の数は 4つであり、 6秒問の英語の音声をスピー 力力 流した。このようなセンサや信号源の配置において DOAを使おうとすると、それ ぞれのセンサペア毎に DOAを推定→センサペア毎にクラスタリング→全てのセンサ ペアについでのクラスタリング結果を統合、という繁雑な処理を行う必要がある。しか し、本形態の方法ではそのような繁雑な統合処理を行うことなぐ図 40Bの表に示す ような高い分離性能を得ることができる。また、 2つ目の実験を図 41Aのような条件で 行った場合も同様に図 41Bの表に示すような高い分離性能を得ることができた。
[0217] <第 6の実施の形態の特徴 >
以上より、上述した実施の形態の特徴をまとめると以下のようになる。
(1)混合信号ベクトル力 得られる情報をすベて用いてクラスタリングを行うため、全 てのセンサの情報を有効に活用でき、信号分離の性能が向上する。
(2)センサの配置情報を厳密に知る必要がないため、不規則なセンサ配置を採用 でき、さらにセンサ位置をキャリブレーションする必要が無い。
<変形例等 >
なお、本発明は、上述の第 6の実施の形態に限定されるものではない。例えば、第 6の実施の形態では、周波数正規ィ匕部 2121の第 1正規ィ匕部 2121aが、混合信号べ タトル X(f, τ )の特定の 1つの要素 X (f, τ )を基準として当該混合信号ベクトル X(f, τ )の各要素 X (f, τ )の偏角を、式 (61)の演算によって正規ィ匕することとした。しかし、 例えば、以下のような式に従って、周波数正規ィ匕部 2121の第 1正規ィ匕部 2121aが、 混合信号ベクトル X(f, τ )の特定の 1つの要素 X (f, τ )を基準として当該混合信号べ タトル X(f, τ )の各要素 X (f, τ )の偏角を正規化する構成であってもよい。
[0218] [数 59]
Xq'"(f,T)=|Xq(f,^|eXp{j.(arg[Xq(f,T).XQ*(f,T)])}
Figure imgf000080_0001
Xq ' ' ' (f ,て) =| Xq (f ,て) I exp { j - 0(arg[Xq (f , τ) / XQ (f, τ)])} ただし、 ·*は、 'の複素共役である。また、 Φ {·}は関数であり、クラスタリング精度の 観点から好ましくは単調増加関数であることが望ましい。
また、周波数正規ィ匕部 2121が式 (60)の代わりに、
[0219] [数 60] arg[Xq(f,r)/XQ(f, )]
入。 ( て)： /0
q 4fc- arg[Xq(f5r)-XQ*(f,t)]
4fc d
arg[Xq(f,T)]-arg[XQ(f,r)]
Xq (f ,て） = i
q 4fC-
X"f 4^d 等の演算によって周波数正規ィ匕を行うこととしてもよい。ただし、 は定数である (例 えば、 /0 =1)。
また、上述の第 6の実施の形態では、ノルム正規化部 2122においてノルムが 1にな るような正規ィ匕を行った力 ノルムが 1以外の規定値となるように正規ィ匕を行ってもよ い。さら〖こ、ノルム正規ィ匕部 2122を設けず、ノルム正規ィ匕を行わない構成であっても よい。この場合、クラスタリング部 2123は、周波数正規化ベクトル X' (f, τ )のクラスタリ ングを行うことになる。しかし、周波数正規ィ匕ベクトル X' (f, τ )は、ノルムが統一されて いない。そこで、この場合のクラスタリング基準は、ベクトルがノルムを含めて似ている かどうかではなぐベクトルの方向のみが似ているかどうかになる。これは、類似度を 用いた評価になる。類似度の 1つとしてコサイン距離
cos Θ = I X'H(f, r ) - r? | /( || X'(f, r ) ||
k · | k || )
を例示できる。ここで Θは、周波数正規ィ匕ベクトル X' (f, τ )と、セントロイド 7? のべタト
k ルとがなす角度である。コサイン距離を用いる場合、クラスタリング部 2123は、コサイ ン距離の総和
[0220] [数 61]
Figure imgf000081_0001
を最小値ィ匕するクラスタを生成する。なお、セントロイド η は、各クラスタのメンバの平
k
均として算出する。
また、上述した基準値 Q, Q'は互いに等しくてもよぐ異なっていてもよい。 また、パラメータ dは、全てのセンサ qに対して同一であってもよいし、各センサ qに 対応して複数の値を設定しておいてもよい。例えば、基準センサとセンサ qとの距離 を、それぞれのセンサ qに対応するパラメータ dの値としてもよ 、。
[0221] また、分離信号生成部 2124において、
[0222] [数 62]
「XQ,(f,て） X"(f,r)eCk
Yk(f,て) =
0 otnerwise とする代わりに、ノ
[数 63]
「1 X"(f,て) eck
Mk(f,r) =
0 otherwise を作成し、
Y (f, τ )=Μ (f, τ )Χ (f, τ )
k k Q， として分離信号ベクトル Y (f, τ )の k番目の要素 Y (f, τ )を得ることとしてもよ!/ヽ。
k
さらに、上述の各実施の形態では、フーリエ変換及び逆フーリエ変換によって周波 数領域と時間領域との間の変換を行うこととした力 wavelet変換、 DFTフィルタバンク 、ポリフェイズフィルタバンクなどを用い、この変換を行うこととしてもよい（例えば、「R. E. Crochiere, L. R. Rabiner, "Multirate Digital Signal Processing. Eaglewood Cliffs, NJ: Printice- Hall, 1983 (ISBN 0-13-605162-6) )。また、上述の各種の処理は、記 載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるい は必要に応じて並列的にあるいは個別に実行されてもよい。その他、本発明の趣旨 を逸脱しな 、範囲で適宜変更が可能であることは 、うまでもな!/、。
[0224] また、上述の各実施の形態の構成をコンピュータによって実現する場合、各装置が 有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムを コンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。 これらの処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒 体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例 えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなもので もよいが、具体的には、例えば、磁気記録装置として、ハードディスク装置、フレキシ ブルディスク、磁気テープ等を、光ディスクとして、 DVD (Digital Versatile Disc)、 DV D— RAM (Random Access Memory)、 CD— ROM (Compact Disc Read Only Memo ry)ゝ CD— R (Recordable) ZRW (Rewritable)等を、光磁気記録媒体として、 MO (M agneto- Optical disc)等を、半導体メモリとして EEP— ROM (Electronically Erasable and Programmable-Read Only Memoryリ等 用 ヽること; ^できる。
[0225] また、このプログラムの流通は、例えば、そのプログラムを記録した DVD、 CD-R
OM等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプ ログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サ 一バコンピュータカ 他のコンピュータにそのプログラムを転送することにより、このプ ログラムを流通させる構成としてもよ!/、。
また、上述した実施形態とは別の実行形態として、コンピュータが可搬型記録媒体 力 直接このプログラムを読み取り、そのプログラムに従った処理を実行することとし てもよく、さらに、このコンピュータにサーバコンピュータ力 プログラムが転送されるた びに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。また、サ 一バコンピュータから、このコンピュータへのプログラムの転送は行わず、その実行指 示と結果取得のみによって処理機能を実現する、いわゆる ASP (Application Service Provider)型のサービスによって、上述の処理を実行する構成としてもよい。なお、本 形態におけるプログラムには、電子計算機による処理の用に供する情報であってプ ログラムに準ずるもの（コンピュータに対する直接の指令ではないがコンピュータの処 理を規定する性質を有するデータ等)を含むものとする。
[0226] また、この形態では、コンピュータ上で所定のプログラムを実行させることにより、 本装置を構成することとした力 これらの処理内容の少なくとも一部をノ、一ドウ ア的 に実現することとしてもよ 、。
産業上の利用可能性
[0227] 本技術により、様々な妨害信号が発生する実環境において、 目的の信号を精度良 く取り出すことが可能となる。音信号に対する応用例としては、例えば、音声認識器 のフロントエンドとして働く音声分離システムなどが挙げられる。話者とマイクが離れた 位置にあり、マイクが話者の音声以外を集音してしまうような状況でも、そのようなシス テムを使うことで、話者の音声のみを取り出して正しく音声を認識することができる。

Claims

請求の範囲
[1] 複数の信号源から発せられた源信号の混合からなる混合信号を、当該源信号に分 離する信号分離装置であって、
複数のセンサで観測された前記混合信号を、周波数領域の混合信号に変換する 周波数領域変換部と、
前記周波数領域の混合信号を用いて生成された複素ベクトルを正規化し、当該複 素ベクトルの周波数依存性を排除した正規化ベクトルを生成する正規化部と、 前記正規ィ匕ベクトルをクラスタリングし、クラスタを生成するクラスタリング部と、を有 する。
[2] 請求項 1に記載の信号分離装置であって、
前記正規化部は、
前記複素ベクトルが具備する特定の 1つの要素を基準として当該複素ベクトルの各 要素の偏角を正規ィ匕する第 1正規ィ匕部と、
前記第 1正規化部で正規化された各要素の偏角を周波数に比例した値で除算す る第 2正規化部と、を有する。
[3] 請求項 2に記載の信号分離装置であって、
前記正規化部は、
前記第 2正規ィ匕部で正規化された各要素力 なるベクトルのノルムを所定の値に正 規化する第 3正規化部をさらに有する。
[4] 複数の信号源から発せられた源信号の混合からなる混合信号を、当該源信号に分 離する信号分離装置であって、
複数のセンサで観測された前記混合信号を、周波数領域の混合信号に変換する 周波数領域変換部と、
前記周波数領域の混合信号を用いて、周波数毎に分離行列を算出する分離行列 算出部と、
前記分離行列の一般化逆行列を算出する逆行列算出部と、
前記一般化逆行列を構成する基底ベクトルの正規化を行!ヽ、正規化基底ベクトル を算出する基底ベクトル正規化部と、 前記正規ィ匕基底ベクトルをクラスタリングし、クラスタを生成するクラスタリング部と、 前記クラスタの中心ベクトルと前記正規ィ匕基底ベクトルとを用い、前記分離行列の 要素を並び替えるための順列を算出する順列算出部と、を有する。
[5] 請求項 4記載の信号分離装置であって、
前記基底ベクトル正規化部は、
前記基底ベクトルの周波数依存性を排除する正規化を行う。
[6] 請求項 5記載の信号分離装置であって、
前記基底ベクトルの周波数依存性を排除する正規化は、
前記基底ベクトルが具備する特定の 1つの要素を基準として当該基底ベクトルの各 要素の偏角を正規化し、さらに、各要素の偏角を周波数に比例した値で除算する正 規化である。
[7] 請求項 5記載の信号分離装置であって、
前記基底ベクトルの周波数依存性を排除する正規化は、
前記基底ベクトル A (f) (p = l, ..., Ν、 Νは前記信号源の数)の各要素 A (f) (q =
P OP
1, M、 Mは前記混合信号を観測するセンサの数）に対し、 expをネピア数とし、 a rg[ ' ]を偏角とし、 fを周波数とし、 jを虚数単位とし、 cを信号の伝達速度とし、 Qを M 以下の自然数から選択された基準値とし、 dを実数とした場合における、
[数 64]
. arg[Aq£(f)/A0p(f)]
A p'CO H AqpC I expl
J 4fc -1 d の演算によって行われる正規ィ匕である。
[8] 請求項 7記載の信号分離装置であって、
記 dは、
前記要素 A (f)に対応する基準センサと他のセンサとの最大距離 d である。
Qp max
[9] 請求項 4記載の信号分離装置であって、
前記基底ベクトル正規化部は、
前記基底ベクトルの周波数依存性を排除する正規化と、ノルムを規定値にする正 規化とを行う。 [10] 複数の信号源から発せられた源信号の混合からなる混合信号を、当該源信号に分 離する信号分離装置であって、
複数のセンサで観測された前記混合信号を周波数領域の混合信号に変換する周 波数領域変換部と、
前記周波数領域の混合信号を用いて、周波数毎に分離行列を算出する分離行列 算出部と、
前記分離行列の一般化逆行列を算出する逆行列算出部と、
前記一般化逆行列を構成する基底ベクトルの正規化を行!ヽ、正規化基底ベクトル を算出する基底ベクトル正規化部と、
前記正規ィ匕基底ベクトルをクラスタリングし、クラスタを生成するクラスタリング部と、 前記周波数領域の混合信号と前記分離行列或いはその行を並び替えた分離行列 とから求めた分離信号のエンベロープと、前記クラスタの中心ベクトルと、前記正規化 基底ベクトルとを用い、前記分離行列の要素を並び替えるための順列を算出する順 列算出部と、を有する。
[11] 複数の信号源から発せられた源信号の混合からなる混合信号を、当該源信号に分 離する信号分離装置であって、
複数のセンサで観測された前記混合信号を周波数領域の混合信号に変換する周 波数領域変換部と、
前記周波数領域の混合信号を用い、周波数毎に分離行列と分離信号とを算出す る信号分離部と、
前記分離行列の一般ィ匕逆行列の列である基底ベクトルを正規ィ匕し、その正規化さ れた基底ベクトルをクラスタリングし、そのクラスタの分散を指標として前記分離信号 から、目的信号を含む選択信号を選択する目的信号選択部と、を有する。
[12] 請求項 11に記載の信号分離装置であって、
更に、前記周波数領域の混合信号と前記基底べ外ルとを用いて時間周波数マス クを生成するマスク生成部と、
前記時間周波数マスクを前記目的信号選択部で選択された前記選択信号に適用 し、マスク処理選択信号を生成するマスキング部と、を有する。 [13] 請求項 12に記載の信号分離装置であって、
前記マスク生成部は、
前記周波数領域の混合信号を用いて白色化行列を生成する白色化行列生成部と 前記白色化行列を用い、前記周波数領域の混合信号を要素とする混合信号べタト ルを変換した白色化混合信号ベクトルと、前記基底ベクトルを変換した白色化基底 ベクトルとを算出する白色化部と、
前記白色化混合信号ベクトルと前記白色化基底ベクトルとがなす角度を時間周波 数毎に算出する角度計算部と、
前記角度を要素とする関数である前記時間周波数マスクを生成する関数演算部と 、を有する。
[14] 請求項 13に記載の信号分離装置であって、
前記白色化行列は、
周波数 ¾·とし、離散時間を τとし、前記混合信号ベクトルを X(f, τ )とし、ベクトル * を時間平均したベクトルをく * > とし、ベクトル *の複素共役転置ベクトルを * Ηとし、 R (f) =<X (f, τ ) · X (f, τ ) Η> とした場合における V (f) =R (f) _1/2であり、
前記白色化部は、
Z(f,て )=V(f) -X(f, τ )の演算により、前記白色化混合信号べ外ル Z(f, τ )を算出 し、前記基底ベクトルを A(f)とした場合における B(f)=V(f) 'A(f)の演算により、前記 白色化基底ベクトル B (f)を算出し、
前記角度計算部は、
ベクトル *の絶対値を I * Iとし、ベクトル *のノルムを II * IIとした場合における
Θ (f, r )=cos-1(|BH(f) -Z(f, r )|/ || B(f) || · || Z(f, r ) || )の演算により、前記角度 θ て）を算出し、
前記関数演算部は、
a, g, Θ を実数とした場合におけるロジスティック関数 Μ( θ (f, ) = a/(l+eg'((H
T
f' _eT))を前記時間周波数マスクとして算出する。
[15] 請求項 12に記載の信号分離装置であって、 前記マスク生成部は、
前記周波数領域の混合信号を用いて生成された混合信号べ外ル X (f, τ )を、周 波数に依存しない周波数正規ィヒベクトル X' (f, τ )に正規化する周波数正規化部と、 前記周波数正規化ベクトル X' (f, τ )を、ノルムが所定の値になるノルム正規ィ匕べク トル X" (f, て )に正規化する第 1ノルム正規化部と、
前記選択信号に対応するセントロイド r? を抽出するセントロイド選択部と、 前記選択信号に対応するセントロイド r? を、そのノルムが前記所定の値になるノル ム正規化セントロイド r? ，に正規化する第 2ノルム正規化部と、
前記周波数正規化ベクトル X' (f, て )と前記ノルム正規ィ匕セントロイド η ，との距離 の自乗 DS (f, T )を算出する自乗距離算出部と、
前記距離の自乗 DS (f, τ )を要素とする関数を用いた前記時間周波数マスクを生成 する
関数生成部と、を有する。
[16] 請求項 11に記載の信号分離装置であって、
前記目的信号選択部は、
前記基底ベクトルの周波数依存性を排除する正規化を行う。
[17] 請求項 16記載の信号分離装置であって、
前記基底ベクトルの周波数依存性を排除する正規化は、
前記基底ベクトルが具備する特定の 1つの要素を基準として当該基底ベクトルの各 要素の偏角を正規化し、さらに、各要素の偏角を周波数に比例した値で除算する正 規化である。
[18] 請求項 17記載の信号分離装置であって、
前記基底ベクトルの周波数依存性を排除する正規化は、
前記基底ベクトル A (f) (pは自然数)の各要素 A (f) (q = l , ..., Μ、 Μは前記混合 信号を観測するセンサの数）に対し、 expをネピア数とし、 arg [ ' ]を偏角とし、 fを周波 数とし、 jを虚数単位とし、 cを信号の伝達速度とし、 Qを M以下の自然数から選択さ れた基準値とし、 dを実数とした場合における、
[数 65] '(O H AqpC I
Figure imgf000089_0001
の演算によって行われる正規ィ匕である。
[19] 請求項 18記載の信号分離装置であって、
前記実数 dは、
前記基準値 Qに対応する基準センサと他のセンサとの最大距離 d maxである。
[20] 請求項 11記載の信号分離装置であって、
前記目的信号選択部は、
前記基底ベクトルの周波数依存性を排除する正規化と、ノルムを規定値にする正 規化とを行う。
[21] 請求項 11に記載の信号分離装置であって、
前記目的信号選択部は、
分散が最小となるクラスタを選択し、選択されたクラスタに対応する前記分離信号を 前記選択信号として選択する。
[22] 複数の信号源から発せられた源信号の混合からなる混合信号を、当該源信号に分 離する信号分離装置であって、
複数のセンサで観測された前記混合信号を周波数領域の混合信号に変換する周 波数領域変換部と、
前記周波数領域の混合信号から構成される混合信号ベクトルの正規化を行!ヽ、正 規化ベクトルを算出するベクトル正規化部と、
前記正規ィ匕ベクトルをクラスタリングし、クラスタを生成するクラスタリング部と、 k番目の前記クラスタに属する前記正規ィ匕ベクトルの時間周波数に対応する前記混 合信号ベクトルから所定番目の要素を抽出し、これを k番目の要素とした分離信号べ タトルを生成する分離信号生成部と、を有する。
[23] 請求項 22に記載の信号分離装置であって、
前記ベクトル正規化部は、
前記周波数領域の混合信号から構成される混合信号ベクトルの周波数依存性を 排除する正規化を行う。 [24] 請求項 23記載の信号分離装置であって、
前記混合信号ベクトルの周波数依存性を排除する正規化は、
前記混合信号ベクトルが具備する特定の 1つの要素を基準として当該基底ベクトル の各要素の偏角を正規化し、さらに、各要素の偏角を周波数に比例した値で除算す る正規ィ匕である。
[25] 請求項 24記載の信号分離装置であって、
前記混合信号ベクトルの周波数依存性を排除する正規化は、
Mを前記センサの数とし、 q= l, ..., Mとし、前記混合信号ベクトルの各要素を X (f , τ )とし、 expをネピア数とし、 arg[ ' ]を偏角とし、 jを虚数単位とし、 cを信号の伝達速 度とし、 Qを M以下の自然数から選択された値とし、 dを実数とし、 fを周波数とし、 τ を離散時間とした場合における、
[数 66]
Figure imgf000090_0001
の演算によって行われる。
[26] 請求項 25記載の信号分離装置であって、
記 dは、
前記要素 X (f, τ )に対応するセンサと他のセンサとの最大距離 d である。
Q max
[27] 請求項 22に記載の信号分離装置であって、
前記ベクトル正規化部は、
前記混合信号ベクトルの周波数依存性を排除する正規化と、ノルムを規定値にす る正規化とを行う。
[28] 複数の信号源から発せられた源信号の混合からなる混合信号を、当該源信号に分 離する信号分離方法であって、
複数のセンサで観測された前記混合信号を周波数領域の混合信号に変換して出 力する過程と、
入力された前記周波数領域の混合信号を用い、周波数毎に分離行列を算出して 出力する過程と、 入力された前記分離行列の一般化逆行列を算出して出力する過程と、 入力された前記一般化逆行列を構成する基底ベクトルの正規化を行!ヽ、正規化基 底ベクトルを算出して出力する過程と、
入力された前記正規ィ匕基底ベクトルをクラスタリングし、クラスタを生成して出力する 過程と、
入力された前記クラスタの中心ベクトルと前記正規化基底ベクトルとを用い、前記分 離行列の要素を並び替えるための順列を算出して出力する過程と、を有する。
[29] 複数の信号源から発せられた源信号の混合からなる混合信号を、当該源信号に分 離する信号分離方法であって、
複数のセンサで観測された前記混合信号を周波数領域の混合信号に変換して出 力する過程と、
入力された前記周波数領域の混合信号を用い、周波数毎に分離行列と分離信号 とを算出して出力する過程と、
入力された前記分離行列の一般ィ匕逆行列の列である基底ベクトルを正規ィ匕し、そ の正規ィ匕された基底ベクトルをクラスタリングし、そのクラスタの分散を指標として、入 力された前記分離信号から、目的信号を含む選択信号を選択する過程と、を有する
[30] 複数の信号源から発せられた源信号の混合からなる混合信号を、当該源信号に分 離する信号分離方法であって、
複数のセンサで観測された前記混合信号を周波数領域の混合信号に変換して出 力する過程と、
入力された前記周波数領域の混合信号から構成される混合信号ベクトルの正規化 を行い、正規ィ匕べ外ルを算出して出力する過程と、
入力された前記正規ィ匕ベクトルをクラスタリングし、クラスタを生成して出力する過程 と、
k番目の前記クラスタに属する前記正規ィ匕ベクトルの時間周波数に対応する前記 混合信号ベクトルから所定番目の要素を抽出し、これを k番目の要素とした分離信号 ベクトルを生成して出力する過程と、を有する。 請求項 1から 27の何れかに記載の信号分離装置としてコンピュータを機能させるた めの信号分離プログラム。
請求項 31記載の信号分離プログラムを格納したコンピュータ読み取り可能な記録 媒体。
PCT/JP2006/302092 2005-02-08 2006-02-07 信号分離装置、信号分離方法、信号分離プログラム及び記録媒体 Ceased WO2006085537A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2006520556A JP4406428B2 (ja) 2005-02-08 2006-02-07 信号分離装置、信号分離方法、信号分離プログラム及び記録媒体
EP06713235A EP1752969A4 (en) 2005-02-08 2006-02-07 SIGNAL DISCONNECTION, SIGNAL CUTTING, SIGNAL CUTTING PROGRAM AND RECORDING MEDIUM
US10/594,983 US7647209B2 (en) 2005-02-08 2006-02-07 Signal separating apparatus, signal separating method, signal separating program and recording medium
CN200680000135.1A CN1942932B (zh) 2005-02-08 2006-02-07 信号分离装置和信号分离方法

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
JP2005031824 2005-02-08
JP2005-031824 2005-02-08
JP2005069768 2005-03-11
JP2005-069768 2005-03-11
JP2005-166760 2005-06-07
JP2005166760 2005-06-07

Publications (1)

Publication Number Publication Date
WO2006085537A1 true WO2006085537A1 (ja) 2006-08-17

Family

ID=36793109

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2006/302092 Ceased WO2006085537A1 (ja) 2005-02-08 2006-02-07 信号分離装置、信号分離方法、信号分離プログラム及び記録媒体

Country Status (5)

Country Link
US (1) US7647209B2 (ja)
EP (1) EP1752969A4 (ja)
JP (1) JP4406428B2 (ja)
CN (1) CN1942932B (ja)
WO (1) WO2006085537A1 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007198977A (ja) * 2006-01-27 2007-08-09 Nippon Telegr & Teleph Corp <Ntt> 信号到来方向推定装置、信号到来方向推定方法、信号到来方向推定プログラム及び記録媒体
JP2008227916A (ja) * 2007-03-13 2008-09-25 Nippon Telegr & Teleph Corp <Ntt> 信号分離装置、信号分離方法、信号分離プログラム、記録媒体
WO2009113192A1 (ja) * 2008-03-11 2009-09-17 トヨタ自動車株式会社 信号分離装置及び信号分離方法
KR101280253B1 (ko) * 2008-12-22 2013-07-05 한국전자통신연구원 음원 분리 방법 및 그 장치
JP2018040880A (ja) * 2016-09-06 2018-03-15 日本電信電話株式会社 音源分離装置、音源分離方法及び音源分離プログラム
CN113721219A (zh) * 2021-10-08 2021-11-30 中国电子科技集团公司第三十八研究所 一种基于多参数聚类的雷达信号分选方法和系统

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8521529B2 (en) * 2004-10-18 2013-08-27 Creative Technology Ltd Method for segmenting audio signals
JP2006337851A (ja) * 2005-06-03 2006-12-14 Sony Corp 音声信号分離装置及び方法
US7769118B2 (en) * 2006-02-10 2010-08-03 Interdigital Technolgy Corporation Method and apparatus for equalizing received signals based on independent component analysis
WO2007127313A2 (en) * 2006-04-27 2007-11-08 Interdigital Technology Corporation Method and apparatus for performing blind signal separation in an ofdm mimo system
JP4897519B2 (ja) * 2007-03-05 2012-03-14 株式会社神戸製鋼所 音源分離装置，音源分離プログラム及び音源分離方法
JP5034595B2 (ja) * 2007-03-27 2012-09-26 ソニー株式会社 音響再生装置および音響再生方法
US20090018826A1 (en) * 2007-07-13 2009-01-15 Berlin Andrew A Methods, Systems and Devices for Speech Transduction
US8144896B2 (en) * 2008-02-22 2012-03-27 Microsoft Corporation Speech separation with microphone arrays
CZ303191B6 (cs) * 2008-11-27 2012-05-23 Technická univerzita v Liberci Zpusob slepé separace akustických signálu z jejich konvolutorní smesi
US8954323B2 (en) * 2009-02-13 2015-02-10 Nec Corporation Method for processing multichannel acoustic signal, system thereof, and program
US9064499B2 (en) * 2009-02-13 2015-06-23 Nec Corporation Method for processing multichannel acoustic signal, system therefor, and program
US8275148B2 (en) * 2009-07-28 2012-09-25 Fortemedia, Inc. Audio processing apparatus and method
EP2486561B1 (en) * 2009-10-07 2016-03-30 The University Of Sydney Reconstruction of a recorded sound field
US8521477B2 (en) * 2009-12-18 2013-08-27 Electronics And Telecommunications Research Institute Method for separating blind signal and apparatus for performing the same
US8731923B2 (en) * 2010-08-20 2014-05-20 Adacel Systems, Inc. System and method for merging audio data streams for use in speech recognition applications
JP5974901B2 (ja) * 2011-02-01 2016-08-23 日本電気株式会社 有音区間分類装置、有音区間分類方法、及び有音区間分類プログラム
JP2012234150A (ja) * 2011-04-18 2012-11-29 Sony Corp 音信号処理装置、および音信号処理方法、並びにプログラム
CN102811034A (zh) 2011-05-31 2012-12-05 财团法人工业技术研究院 信号处理装置及信号处理方法
JP2012252240A (ja) * 2011-06-06 2012-12-20 Sony Corp 再生装置、信号処理装置、信号処理方法
CN102866296A (zh) 2011-07-08 2013-01-09 杜比实验室特许公司 估计非线性失真的方法和系统、调节参数的方法和系统
US8442591B1 (en) * 2011-09-29 2013-05-14 Rockwell Collins, Inc. Blind source separation of co-channel communication signals
CN102735937B (zh) * 2012-06-29 2014-06-25 中国科学院半导体研究所 信号相位差测量的方法
US9192319B2 (en) * 2012-07-13 2015-11-24 Electrical Geodesics, Inc. Method for separating signal sources by use of physically unique dictionary elements
TWI463477B (zh) * 2012-12-26 2014-12-01 Univ Nat Cheng Kung 用以組成光源組之點光源的料碼配量方法與其電腦程式產品
JP6059072B2 (ja) * 2013-04-24 2017-01-11 日本電信電話株式会社 モデル推定装置、音源分離装置、モデル推定方法、音源分離方法及びプログラム
JP6274872B2 (ja) * 2014-01-21 2018-02-07 キヤノン株式会社 音処理装置、音処理方法
CN107507624B (zh) * 2016-06-14 2021-03-09 瑞昱半导体股份有限公司 声源分离方法与装置
US11373672B2 (en) * 2016-06-14 2022-06-28 The Trustees Of Columbia University In The City Of New York Systems and methods for speech separation and neural decoding of attentional selection in multi-speaker environments
US10770091B2 (en) * 2016-12-28 2020-09-08 Google Llc Blind source separation using similarity measure
JP6915579B2 (ja) * 2018-04-06 2021-08-04 日本電信電話株式会社 信号分析装置、信号分析方法および信号分析プログラム
CN110658514B (zh) * 2018-06-28 2021-10-22 中国科学院声学研究所 一种水下静态目标的分类识别方法
US10796692B2 (en) * 2018-07-17 2020-10-06 Marcos A. Cantu Assistive listening device and human-computer interface using short-time target cancellation for improved speech intelligibility
US11252517B2 (en) * 2018-07-17 2022-02-15 Marcos Antonio Cantu Assistive listening device and human-computer interface using short-time target cancellation for improved speech intelligibility
JP6992709B2 (ja) * 2018-08-31 2022-01-13 日本電信電話株式会社 マスク推定装置、マスク推定方法及びマスク推定プログラム
FR3085785B1 (fr) * 2018-09-07 2021-05-14 Gracenote Inc Procedes et appareil pour generer une empreinte numerique d'un signal audio par voie de normalisation
CN112151061B (zh) * 2019-06-28 2023-12-12 北京地平线机器人技术研发有限公司 信号排序方法和装置、计算机可读存储介质、电子设备
US12032628B2 (en) 2019-11-26 2024-07-09 Gracenote, Inc. Methods and apparatus to fingerprint an audio signal via exponential normalization
EP4229637A1 (en) * 2020-10-15 2023-08-23 Dolby Laboratories Licensing Corporation Frame-level permutation invariant training for source separation
US11798577B2 (en) 2021-03-04 2023-10-24 Gracenote, Inc. Methods and apparatus to fingerprint an audio signal
US20240230819A1 (en) * 2022-12-26 2024-07-11 Kangwon National University-Industry Cooperation Foundation Method of direction estimation for noncircular signals via decoupled optimization

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004170552A (ja) * 2002-11-18 2004-06-17 Fujitsu Ltd 音声抽出装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2294262A1 (en) * 1997-06-18 1998-12-23 Clarity, L.L.C. Methods and apparatus for blind signal separation
JP3975153B2 (ja) 2002-10-28 2007-09-12 日本電信電話株式会社 ブラインド信号分離方法及び装置、ブラインド信号分離プログラム並びにそのプログラムを記録した記録媒体
DE602004029867D1 (de) * 2003-03-04 2010-12-16 Nippon Telegraph & Telephone Positionsinformationsschätzeinrichtung, verfahren dafür und programm
US7496482B2 (en) * 2003-09-02 2009-02-24 Nippon Telegraph And Telephone Corporation Signal separation method, signal separation device and recording medium

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004170552A (ja) * 2002-11-18 2004-06-17 Fujitsu Ltd 音声抽出装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
SAWADA ET AL.: "A robust and precise method for solving the permutation problem of frequency-domain blind source separation", IEEE TRANSACTIONS ON SPEECH AND AUDIO PROCESSING, vol. 12, no. 5, September 2004 (2004-09-01), pages 530 - 538, XP003001158 *
SAWADA ET AL.: "Blind extraction of a dominant source signal from mixtures of many sources", PROCEEDINGS OF THE IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, 2005 (ICASSP '05), vol. 3, 18 March 2003 (2003-03-18), pages 61 - 64, XP010792329 *
SAWADA ET AL.: "Polar coordinate based nonlinear function for frequency-domain source separation", IEICE TRANSACTIONS ON FUNDAMENTALS OF ELECTRONICS, COMMUNICATIONS AND COMPUTER SCIENCES, vol. E86-A, no. 3, 1 March 2003 (2003-03-01), pages 590 - 596, XP003001159 *
SAWADA ET AL.: "Taongen ni Taisuru Shuhasu Ryoiki Blind Ongen Bunri", THE JAPANESE SOCIETY FOR ARTIFICIAL INTELLIGENCE AI CHALLENGE SYMPOSIUM (DAI 22 KAI), vol. 22, 14 October 2005 (2005-10-14), pages 17 - 22, XP003001160 *
See also references of EP1752969A4 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007198977A (ja) * 2006-01-27 2007-08-09 Nippon Telegr & Teleph Corp <Ntt> 信号到来方向推定装置、信号到来方向推定方法、信号到来方向推定プログラム及び記録媒体
JP2008227916A (ja) * 2007-03-13 2008-09-25 Nippon Telegr & Teleph Corp <Ntt> 信号分離装置、信号分離方法、信号分離プログラム、記録媒体
WO2009113192A1 (ja) * 2008-03-11 2009-09-17 トヨタ自動車株式会社 信号分離装置及び信号分離方法
JP2009217063A (ja) * 2008-03-11 2009-09-24 Toyota Motor Corp 信号分離装置及び信号分離方法
US8452592B2 (en) 2008-03-11 2013-05-28 Toyota Jidosha Kabushiki Kaisha Signal separating apparatus and signal separating method
KR101280253B1 (ko) * 2008-12-22 2013-07-05 한국전자통신연구원 음원 분리 방법 및 그 장치
JP2018040880A (ja) * 2016-09-06 2018-03-15 日本電信電話株式会社 音源分離装置、音源分離方法及び音源分離プログラム
CN113721219A (zh) * 2021-10-08 2021-11-30 中国电子科技集团公司第三十八研究所 一种基于多参数聚类的雷达信号分选方法和系统
CN113721219B (zh) * 2021-10-08 2023-07-04 中国电子科技集团公司第三十八研究所 一种基于多参数聚类的雷达信号分选方法和系统

Also Published As

Publication number Publication date
US20080215651A1 (en) 2008-09-04
CN1942932A (zh) 2007-04-04
JPWO2006085537A1 (ja) 2008-06-26
US7647209B2 (en) 2010-01-12
EP1752969A8 (en) 2007-07-04
CN1942932B (zh) 2010-07-28
JP4406428B2 (ja) 2010-01-27
EP1752969A4 (en) 2007-07-11
EP1752969A1 (en) 2007-02-14

Similar Documents

Publication Publication Date Title
WO2006085537A1 (ja) 信号分離装置、信号分離方法、信号分離プログラム及び記録媒体
Gannot et al. A consolidated perspective on multimicrophone speech enhancement and source separation
EP3387648B1 (en) Localization algorithm for sound sources with known statistics
CN110148422B (zh) 基于传声器阵列确定声源信息的方法、装置及电子设备
Sawada et al. Efficient algorithms for multichannel extensions of Itakura-Saito nonnegative matrix factorization
US10390130B2 (en) Sound processing apparatus and sound processing method
JP6169910B2 (ja) 音声処理装置
JP4403436B2 (ja) 信号分離装置、および信号分離方法、並びにコンピュータ・プログラム
Kitamura et al. Multichannel signal separation combining directional clustering and nonnegative matrix factorization with spectrogram restoration
JP2005249816A (ja) 信号強調装置、方法及びプログラム、並びに音声認識装置、方法及びプログラム
JP2011215317A (ja) 信号処理装置、および信号処理方法、並びにプログラム
JP6348427B2 (ja) 雑音除去装置及び雑音除去プログラム
Al-Karawi Mitigate the reverberation effect on the speaker verification performance using different methods
Kubo et al. Efficient full-rank spatial covariance estimation using independent low-rank matrix analysis for blind source separation
Gul et al. Clustering of spatial cues by semantic segmentation for anechoic binaural source separation
CN110689900B (zh) 信号增强方法和装置、计算机可读存储介质、电子设备
Astudillo et al. Integration of beamforming and uncertainty-of-observation techniques for robust ASR in multi-source environments
Li et al. Speech enhancement based on binaural sound source localization and cosh measure wiener filtering
JP7293162B2 (ja) 信号処理装置、信号処理方法、信号処理プログラム、学習装置、学習方法及び学習プログラム
Dwivedi et al. Spherical harmonics domain-based approach for source localization in presence of directional interference
Hansen et al. Estimation of fundamental frequencies in stereophonic music mixtures
Nesta et al. Robust Automatic Speech Recognition through On-line Semi Blind Signal Extraction
Aizawa et al. Unsupervised domain adaptation of universal source separation based on neural full-rank spatial covariance analysis
JP2019128402A (ja) 信号処理装置、音声強調装置、信号処理方法およびプログラム
Adiloğlu et al. A general variational Bayesian framework for robust feature extraction in multisource recordings

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 2006520556

Country of ref document: JP

121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 2006713235

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 10594983

Country of ref document: US

Ref document number: 200680000135.1

Country of ref document: CN

WWP Wipo information: published in national office

Ref document number: 2006713235

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE