JP2001517884A - 信号分離装置 - Google Patents

Abstract

(57)【要約】 【解決手段】少なくとも２個の信号を信号の混合群から分離する方法であって、基準に基づいた変更された基準と調整補正とを含んでおり、分離構造中のパラメータを予測するために該基準は最小化され；調整補正が、予測されるパラメータを伴なった第１のベクトルと、実際のパラメータと重みマトリックスに関する可能な情報を伴なった第２のベクトルと、第１と第２のベクトルの差異と重みマトリックスと第１と第２のベクトルの結合交換差異との積とを、含んでいる。

Description

【発明の詳細な説明】

【０００１】

【技術分野、発明の背景】

信号分離のアルゴリズムは良く知られている。公知の方法の多くは、記憶を伴
わない混合を扱っている（所謂「瞬間混合」である）。これらは定数を伴った混
合で、遅れはない。信号はセンサー間で時間遅れなく混合されるものとする。

【０００２】 基準における正規化として、より適切なシナリオは、遅れを伴う混合（所謂「
動的混合」）である。この問題に挑戦した最初の手法のひとつは、Ｗｉｄｒｏｗ
らによって提案された（“Ａｄａｐｔｉｖｅ ｎｏｉｓｅ ｃａｎｃｅｌｌｉｎ
ｇ：Ｐｒｉｎｃｉｐｌｅｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ”，ＩＥＥＥ
Ｐｒｏｃｅｅｄｉｎｇｓ， １９７５年１２月）。この方法は、ふたつの測定可
能な信号に基づくもので、片方の信号は外乱を含むのみで、所望の信号からの貢
献はない。この発明によれば、両外乱と所望の信号が、全ての測定可能な信号中
に存在できる。この問題は、複数のセンサーが互いに近くに配置されている、例
えば携帯電話や補聴器のような場合には、避けることができない。

【０００３】 よく使われる基準はＣｏｍｏｎにより提唱されたコントラスト関数に基づいて
いる（“Ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ、ａ
ｎｅｗ ｃｏｎｃｅｐｔ”Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ、１９９４年
）。コントラスト関数は不変の尺度でなければならず、統計的に独立の信号に
対してその最大値をとる。種々のコントラスト関数が提唱されてきた。

【０００４】 分離構造からの出力信号間のクロス相関関数に基づく基準が提唱されている。
Ｌｉｎｄｇｒｅｎらは２個の観測可能な信号について、基準を開示している（Ｌ
ｉｎｄｇｒｅｎ、Ｂｒｏｍａｎ“Ｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ： Ｕｓ
ｉｎｇ ａ ｃｒｉｔｅｒｉｏｎ ｂａｓｅｄ ｏｎ ｓｅｃｏｎｄ ｏｒｄｅ
ｒ ｓｔａｔｉｓｔｉｃｓ”Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ ＣＴＨ−ＴＥ
−３６、Ｃｈａｌｍｅｒｓ、Ｓｗｅｄｅｎ、１９９６年、ｉｎ ＩＥＥＥ Ｔｒ
ａｎｓ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ ）：。

【０００５】

【数１】

【０００６】 ここでＬは正の整数であり、Ｒ_S１S２（ｍ）はｍ個のサンプル中、１個の信号
の遅れについて、Ｓ_１とＳ_２との間のクロス相関関数を示す。この基準は、−Ｌ
とＬとの間の遅れについて、信号Ｓ_１とＳ_２とがどの程度相関しているかを示す
ものである。

【０００７】 分離しようとする信号は音響的である必要はない。Ｓａｈｌｉｎは、いかにし
て信号分離が画像（二次元信号）に応用することができるかを開示している（Ｓ
ａｈｌｉｎ ａｎｄ Ｂｒｏｍａｎ“Ｂｌｉｎｄ ｓｅｐａｒａｔｉｏｎ ｏｆ
ｉｍａｇｅｓ”Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ３０ｔｈ Ａｓｉｌｏｍａｒ
Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｉｇｎａｌｓ、Ｓｙｓｔｅｍｓ ａｎｄ Ｃ
ｏｍｐｕｔｅｒｓ、１９９６年）

【０００８】 正規化はシステム識別に関して構築できる。この手法は例えば、条件付けがま
ずかったマトリックスにおける反転問題を回避するのに応用される。（Ｌｊｕｎ
ｇ“Ｓｙｓｔｅｍ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ、Ｔｈｅｏｒｙ ｆｏｒ ｔ
ｈｅ ｕｓｅｒ、Ｐｒｅｎｔｉｃｅ−Ｈａｌｌ、Ｅｎｇｌｅｗｏｏｄ Ｃｌｉｆ
ｆｓ，ＮＪ、１９８７年） またこの手法は、増加したシステム上の誤差へのパ
ラメ−タ評価の変動を減らすためにも用いられる。（Ｌｊｕｎｇ、Ｓｊｏｅｂｅ
ｒｇ“Ａ ｃｏｍｍｅｎｔ ｏｎ ‘ｌｅａｋａｇｅ’ ｉｎ ａｄａｐｔｉｖ
ｅ ａｌｇｏｒｉｔｈｍｓ”、Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ ＬｉＴＨ−
Ｉ−ＩＳＹ−１３０４、ｌｉｎｋｏｅｐｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ、Ｓｗｅ
ｄｅｎ、１９９２年）。後者の文献において、線形回帰モデルおよび予測自乗誤
差に基づいた基準の場合のδの値の選択について扱われている。

【０００９】 ヨーロッパ特許第５６５４７９号にはクロス・ポリ・スペクトルに基づいた方
法が開示されている。この発明による手法は高次統計学（ＨＯＳ）に基づいてい
る。高次統計学に基づく手法では、よい予測を行うには非常に多数のサンプルを
必要とすることが公知である。この結果ＨＯＳに基づいたアルゴリズムは収斂が
遅くなり、二次統計学に基づいた方法に比べて性能が劣るものである。

【００１０】 アメリカ特許第４２０８７８６号には、二次統計学に基づいた信号分離アルゴ
リズムが開示されているが、一般の場合には動作しない。提案されたアルゴリズ
ムは両チャンネルフィルターが同じ値の場合のみ動作するものである。つまり記
載されている方程式（１４）および（１５）において、（ａ_０＝ｂ_０）のときだ
け動作するものである。これらの方程式はいかにして係数が評価されるかを示し
ている。フィルター係数についての最新の方程式は以下の通りで直接項を扱うの
みである。

【００１１】 Ａ_０（ｎ）＝ａ_０（ｎ−１）＋Ｙ_１Ｖ_２（ｎ）Ｖ_１（ｎ）

【００１２】 Ｂ_０（ｎ）＝ｂ_０（ｎ−１）＋Ｙ_２Ｖ_１（ｎ）Ｖ_２（ｎ）

【００１３】 直接項についての最新の値が同じであることは明らかである。また他にも同様
なアルゴリズムが提唱されているが、両直接項がゼロであるという仮定に立って
いるものである（Ｖａｎ Ｇｅｒｖｅｎ，Ｖａｎ Ｃｏｍｐｅｒｎｏｌｌｓ“Ｓ
ｉｇｎａｌ ｓｅｐａｒａｔｉｏｎ ｂｙ ｓｙｍｍｅｔｒｉｃ ａｄａｐｔｉ
ｖｅ ｄｅｃｏｒｒｅｌａｔｉｏｎ：Ｓｔａｂｉｌｉｔｙ，Ｃｏｎｖｅｒｇｅｎ
ｃｅ ａｎｄ Ｕｎｉｑｕｅｎｅｓｓ”，ＩＥＥＥ Ｔｒａｎｓ，Ｓｉｇｎａｌ
Ｐｒｏｃｅｓｓｉｎｇ、１９９５年７月）。

【００１４】

【この発明の説明】

この発明は、未知の方法で混合されている信号から、２個以上の信号を信号分
離法により分離する様々な手法に関する。この発明は、基準の正規化を手段とし
て、信号分離法の性能向上を図る方法に関する。正規化とは、パラメータがある
特定の値に「引き寄せられる」ということを意味する。かくして正規化により、
オーバー・パラメトリゼイションによる問題を減らすことができる。

【００１５】

【実施例の詳細な説明】

信号分離は、多数の信号を個別に分離したいときに応用できる。この方法は、
分離すべき異なる信号の混合体に、アクセスすることで始まる。例えば、室内で
二人の人が同時に相互に話をし、相手の声が邪魔をして何を言っているのか聞き
取れないような問題があるとき、この信号分離法が応用できる。信号分離は、２
台のマイクロフォンからの信号で、分離構造としてフィルターし、それぞれの声
を抽出する。

【００１６】 この方法は、遅れを伴ったフィルターを手段として、信号の混合体をモデリン
グすることで始まる。図２ａは２個の信号の混合体がある場合の一例を示す。こ
こでｘ_１およびｘ_２は、所望のしかし未知、かつ測定できない信号を示す。測定
できる信号は、ｙ_１およびｙ_２だけである。そしてｙ_１は、ｘ_１プラスｘ_２のフ
ィルターされたバージョンとしてモデル化されている。つまり、

【００１７】 Ｙ_１＝Ｘ_１＋Ｂ_２Ｘ_２

【００１８】 同様にして次式もモデル化される。

【００１９】 Ｙ_２＝Ｘ_２＋Ｂ_１Ｘ_１

【００２０】 混合体モデルは、フィルターＢ_１およびＢ_２を含む。信号Ｙ_１およびＹ_２は測
定可能で、これらに基づいて中のフィルターが評価される。分離構造からの出力
信号は、

【００２１】 Ｓ_１＝Ｙ_１−Ｄ_２Ｙ_２＝（１−Ｄ_２Ｂ_１）Ｘ_１＋（Ｂ_２−Ｄ_２）Ｘ_２

【００２２】 Ｓ_２＝Ｙ_２−Ｄ_１Ｙ_１＝（１−Ｄ_１Ｂ_２）Ｘ_２＋（Ｂ_１−Ｄ_１）Ｘ_１

【００２３】 上式により、もしＢ_１＝Ｄ_１ かつＢ_２＝Ｄ_２ならば、信号が分離されること
は明らかである。つまり、出力信号Ｓ_１、Ｓ_２はそれぞれ単にＸ_１およびＸ_２に
依存する。分離構造中でフィルターの評価決定を遂行する一般的な方法は、基準
Ｖの最大または最小となるようなフィルタ・パラメーターを探すことである。従
来多くの異なる基準が提案されてきた。例えば、上述のような、クロス相関関数
、コントラスト関数、クロス・ポリ・スペクトルに基づく基準。

【００２４】 信号分離の性能は、種々の方法で決定される。パラメータの評価値と真の値と
の偏差の平均自乗値は、これらの目安のひとつである。実用性の高い目安は、そ
の方法が如何に干渉信号を抑制できるかつまり、信号対ノイズの比、ＳＮＲを見
ることである。なかんずく、測定された信号と分離された信号のＳＮＲ増加量の
測定値が関心事である。

【００２５】

【正規化の効果】

チャンネルの評価は、その性質上真の値からのずれで悩まされてきた。真の値
からの平均偏差測定値は、「システム誤差」である。パラメータに対するシステ
ム誤差は、評価パラメータの、真の値からの偏差値の平均である。パラメータ評
価における変動量は、評価の平均値からの平均偏差変動量の目安である。つまり
、評価のたびに如何にパラメータ評価がばらつくかが目安である。変動量は評価
値と自乗平均値との差の平均値である。「標準偏差」は、変動量の平方根である
。最後に「平均自乗偏差」は、評価値とパラメータを自乗した値の真値との差の
平均値である。

【００２６】 正規化は、信号分離アルゴリズム中に、評価されるべきパラメータのばらつき
を減らす手段として、導入することができる。これらのパラメータは通常、分離
構造中でフィルターの係数である。正規化の別名は、リーケージである。その必
要性は第一に、問題が極度にオーバー・パラメトライズされたときに生ずる。こ
のようなことは、少数のパラメータがゼロになろうとしないが、どのパラメータ
かが不明という場合に発生する。

【００２７】 この問題を解くひとつの方法は、何らかの手法で、どのようなパラメータが必
要かの予測を試みることであり、そうすればあとはパラメータの値を決めるだけ
で良い。もしそのシステムが、経時変化するものであれば、このモデル構造も経
時変化すべきである。モデル予測を行なうための別の方法は、正規化を導入する
ことである。

【００２８】 正規化は、変更基準のひとつとして導入できる。Ｖ’：

【００２９】 Ｖ’＝Ｖ＋δ｜θ−θ”｜

【００３０】 ここでＶは、分離構造中のパラメータの値を評価するために、最小化するため
の基準を示し、δは基準がどの程度正規化されるべきかを決める設計変数であり
、θは評価されるべきパラメータを含むカラム・ベクトルであり、θ”は実パラ
メータの有り得る情報を含むカラム・ベクトルである。正規化はこのようにして
、オリジナルの基準に、所謂、正規化項を追加することによって導かれる。

【００３１】 より一般化した方程式は、

【００３２】 Ｖ’＝Ｖ＋δ（θ−θ”）Ｃ（θ−θ”）^Ｈ，

【００３３】 ここでＣは、加重マトリックスであり、ＨはＨｅｒｍｉｔｉａｎオペレータ（
共役および変換オペレータ）を示す。後者の方程式は、変動するパラメータの正
規化についての可能性を示唆するものである。

【００３４】 このように、アルゴリズム中で正規化を用いることによってもたらされた可能
性とは、適切なθ”の値を選ぶことにより、パラメータをある特定の値に向けて
コントロールすることである。これらパラメータの特定値は、物理的モデリング
（例、室内における音の伝播）、あるいは、コントロールされた環境下での測定
によって得られる。オーバー・パラメトライズされたケースについては、θ”を
ゼロベクトルとして選ぶことができる。これは全てのパラメータが、ゼロに引き
寄せられることを意味する。

【００３５】 図３に説明図を示す。これで、システム誤差、標準偏差、平均自乗誤差が、正
規化されたパラメータの値δによって如何に決定されるかが、明らかに理解され
るであろう。図において、平均自乗誤差が、間隔δにおいて大幅に減少し、次ぎ
に間隔外では増加することが理解されるであろう。

【００３６】 図４には、この方法による信号の品質向上結果を信号対ノイズの比（ＳＮＲ）
として示す。Ｓ_１に対するＳＮＲの大幅増加が、正規化されていない基準の期間
（小さなδ値）に対比して提示してある。図１、２で用いた信号は、コンピュー
タで発生させたシーケンスである。

【００３７】 正規化は、システム誤差に代わって、パラメータの変動を減少させる。パラメ
ータδは、この方法で変動が減少して得られるゲインが、システム誤差の増加に
よる性能劣化を上回らないように選ぶべきである。理想的には、δはふたつの効
果が互いにバランスするように選ぶと良く、その結果アルゴリズムの性能が最大
化できる。

【００３８】 応用の１例は、互いに約１０ｃｍ離れて配置された、マイクロフォンからの信
号である。図１はこの発明による方法の応用例で、２個のマイクロフォン１１、
１２を、第１および第２の信号源として備える、携帯電話１０である。室内にお
ける音の伝播は、数個のパラメータで表現できる。基準に正規化を導入すると、
アルゴリズムが実際に応用しやすくなる。

【００３９】 次ぎに、正規化を用いた信号分離が適用できる、いくつかの応用分野について
述べる。この方法は、未知の方法で混合された２個以上の信号があり、その中か
ら１個以上を抽出したいときに適用できる。この方法は、抽出したい信号の数（
あるいは、異なる混合のバージョン数）と同数のセンサーを必要とする。正規化
導入の程度は、オーバー・パラメトリゼイションの程度に合わせる。

【００４０】 正規化を用いた信号分離は、電話のノイズ低減に適する。ノイズ低減機構の無
い受話器は、周囲のノイズや外乱が入って、聞き取りづらい。このことは、特に
様々な環境で使用される携帯電話にあてはまる。

【００４１】 従って、受話器に伝送する前に、より優れた信号品質を達成することが大切で
ある。この手法を機能させるためには、少なくとも２個のマイクロフォンを備え
た、電話機にする必要がある。これらのマイクは、別々の信号が出せるように、
互いに離れた位置に装着することが肝要である。同時に、マイク間の距離が長す
ぎると、マイク間のチャンネルをモデリングするとき、非常に多くの係数を用い
てフィルターすることが必要となる。このことが、多くのフィルター係数を用い
ても、大した性能低下を招かないようにするため、正規化が必要なことを強調す
る。

【００４２】 補聴器を使う人は、しばしば周囲のあらゆる音が、一律に拡大されるという問
題に遭遇する。何人もの人が同時に話し、音楽、機械その他の音で、補聴器をつ
けた人は、話し相手の声が理解できず、正常な会話が出来ない。補聴器に１個よ
り多いマイクを付け、正規化を用いた信号分離アルゴリズムを導入すれば、聞き
取りやすさが格段に向上する。

【００４３】 信号分離を、胎児のＥＣＧ（心電図）をフィルターするために用いるという記
事が、Ｚａｒｚｏｓｏらによって述べられた。（Ｂａｃｈａｒｉｓ，Ａ．Ｋ．Ｎ
ａｎｄｉ ａｎｄ Ｖ．Ｚａｒｚｏｓｏ， “Ｆｏｅｔａｌ ＥＣＧ Ｅｘｔｒ
ａｃｔｉｏｎ ｕｓｉｎｇ Ｂｌｉｎｄ Ｓｏｕｒｃｅ Ｓｅｐａｒａｔｉｏｎ
Ｍｅｔｈｏｄ”，Ｐｒｏｃｅｅｄｉｎｇ ｏｆ ＥＵＳＩＰＣＯ ’９６）。
胎児のＥＣＧを測定するときには、母親のＥＣＧも含まれる。何台かのセンサー
を用いるフィルタリングと、信号分離アルゴリズムを手段として、母親のＥＣＧ
を減らしたいという欲求がある。Ｚａｒｚｏｓｏは、遅れの無いチャンネル・モ
デルを用いただけであり、それは高いサンプリング・レートと、母親のあちこち
に多数取り付けられたセンサーに対しては、不充分なものであったと考えられる
。

【００４４】 また、高次統計学に基づく手法もしばしば用いられた。それらが良く機能する
ためには、非常に多くのサンプル（長い測定時間）を必要とするという問題に直
面した。もし正規化された基準を導入しておれば、たぶん性能が改良され、より
強力なアルゴリズムが出来たであろう。

【００４５】 正規化を用いた信号分離はまた、ＥＥＧ（脳電図）およびＥＮＧ（エレクトロ
・ニューログラム）の分野にも応用できる。

【００４６】 Ｓａｈｌｉｎの文献には、画像処理に信号分離を使うことが示唆されている。
（Ｈ．Ｓａｈｌｉｎ ａｎｄ Ｈ．Ｂｒｏｍａｎ，“Ｂｌｉｎｄ Ｓｅｐａｒａ
ｔｉｏｎ ｏｆ Ｉｍａｇｅｓ”，Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ３０ｔｈ
Ａｓｉｌｏｍａｒ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｉｇｎａｌｓ， Ｓｙｓｔ
ｅｍｓ，ａｎｄ Ｃｏｍｐｕｔｅｒｓ）この方法は、自乗クロス相関関数による
基準に基づき、混合中の１個以上の画像にアクセスする。この方法は、医療用の
画像処理に使うと示唆されている。（Ｘ線、超音波、磁気共鳴、など）これらの
場合、内蔵などが重なって写ることによって、画像が乱される。

【００４７】 そこで、信号分離アルゴリズムが、取りこまれた画像間の差を評価し、この情
報に基づいて、目的の臓器のより鮮明な画像を作り出す。取りこまれた画像間の
差は、異なる高さレベルのものであったり、臓器の自然な動きであったり、カメ
ラの僅かな動きであったりする。

【００４８】 直近の２つのケースにおいては、少数のゼロで無い係数と、ゼロバリュウの多
数の係数とによるフィルターで、もし動きがモデル化されるならば、正規化の導
入により、たぶん、性能の大幅な向上が期待される。これらフィルターのモデル
化に際しては、どの係数が評価され、どの係数がゼロバリュウで、極度にオーバ
ー・パラメトライズされるのか分からないのが普通である。正規化された基準の
導入は、より良い結果をもたらすであろう。

【００４９】 これ以外の可能性のある応用分野としては、水中聴音器技術、振動測定、広波
域ラジオ通信あるいは、未知の信号の混合であって、２個以上の測定アクセスが
可能な分野があげられる。

【００５０】 この発明は、上述の実施例に限定するものではない。特許請求の範囲に述べる
考え方に基づいて、いろいろなバリエーションやモディファイが自然に見出され
る。

【図面の簡単な説明】

【図１】 図１はこの発明による携帯電話を示す。

【図２】 図２はこの発明の概要を示す。

【図３】 図３ａ−３ｆは，システム誤差のグラフ、標準偏差を示し、ｏｃｈは誤差の自
乗を示す。

【図４】 図４はこの発明による、正規化関数としてのＳＮＢの増加を示す。

【手続補正書】特許協力条約第３４条補正の翻訳文提出書

【提出日】平成１２年３月６日（２０００．３．６）

【手続補正１】

【補正対象書類名】明細書

【補正対象項目名】全文

【補正方法】変更

【補正内容】

【発明の名称】 信号分離装置

【特許請求の範囲】

【発明の詳細な説明】

【０００１】

【技術分野、発明の背景】 信号分離のアルゴリズムはよく知られている。公知の方法の多くは記憶なしの
混合群を扱っている（所謂「瞬間混合群」である）。これらは定数を伴った混合
群であり遅れはない。信号はセンサー間で時間遅れなしに混合されるものと仮定
される。

【０００２】 基準における調整としては遅れのある混合群（動的調整）がより適切である。
この手法としてはＷｉｄｒｏｗ他により最初に提唱されたものがある（「Ａｄａ
ｐｔｉｖｅ・ｎｏｉｓｅ・ｃａｎｃｅｌｌｉｎｇ：Ｐｒｉｎｃｉｐｌｅｓ・ａｎ
ｄ・ａｐｐｌｉｃａｔｉｏｎｓ」ＩＥＥＥ・Ｐｒｏｃｅｅｄｉｎｇｓ、１９７５
年１２月）。この方法は２個の測定可能な信号に基づいたものであり、一方の信
号は外乱を含んでいるので、所望の信号からの貢献はないのである。この発明に
よれば両外乱と所望の信号が全ての測定可能な信号中に存在することができる。
例えば携帯電話や補聴器などにおけるようにセンサーが互いに近くに配置されて
いる場合には、この問題は避けることができないのである。

【０００３】 よく使われる基準はＣｏｍｏｎにより提唱されたコントラスト関数に基づいて
いる（「Ｉｎｄｅｐｅｎｄｅｎｔ・ｃｏｍｐｏｎｅｎｔ・ａｎａｌｙｓｉｓ、ａ
・ｎｅｗ・ｃｏｎｃｅｐｔ？」Ｓｉｇｎａｌ・Ｐｒｏｃｅｓｓｉｎｇ、１９９４
年）。コントラスト関数は不変の尺度でなければならず、確率的に独立の信号に
対してその最大値をとる。種々のコントラスト関数が提唱されてきた。

【０００４】 分離構造からの出力信号間のクロス相関関数に基づいた基準が提唱されている
。Ｌｉｎｄｇｒｅｎ他は２個の観測可能な信号についての基準を開示している（
Ｌｉｎｄｇｒｅｎ、Ｂｒｏｍａｎ「Ｓｏｕｒｃｅ・ｓｅｐａｒａｔｉｏｎ：Ｕｓ
ｉｎｇ・ａ・ｃｒｉｔｅｒｉｏｎ・ｂａｓｅｄ・ｏｎ・ｓｅｃｏｎｄ・ｏｒｄｅ
ｒ・ｓｔａｔｉｓｔｉｃｓ」Ｔｅｃｈｎｉｃａｌ・Ｒｅｐｏｒｔ・ＣＴＨ−ＴＥ
−３６、Ｃｈａｌｍｅｒｓ、Ｓｗｅｄｅｎ、１９９６年、ｉｎ ＩＥＥＥ Ｔｒ
ａｎｓ．ｏｎ・Ｓｉｇｎａｌ・Ｐｒｏｃｅｓｓｉｎｇ）。

【０００５】

【数１】

【０００６】 ここでＬは正の整数であり、Ｒ_Ｓ１Ｓ２（ｍ）はｍ個のサンプルの１個の信号
の遅れについてのｓ_１とｓ_２との間のクロス相関関数を示す。この基準は−Ｌと
Ｌとの間の遅れについて信号ｓ_１とｓ_２とがどの程度相関しているかを示すもの
である。

【０００７】 分離しようとする信号は音響的である必要はない。Ｓａｈｌｉｎはいかにして
信号分離が画像（二次元信号）に応用されるかを開示している（Ｓａｈｌｉｎお
よびＢｒｏｍａｎ「Ｂｌｉｎｄ・ｓｅｐａｒａｔｉｏｎ・ｏｆ・ｉｍａｇｅｓ」
Ｐｒｏｃｅｅｄｉｎｇｓ・ｏｆ・３０ｔｈ・Ａｓｉｌｏｍａｒ・Ｃｏｎｆｅｒｅ
ｎｃｅ・ｏｎ・Ｓｉｇｎａｌｓ、Ｓｙｓｔｅｍｓ・ａｎｄ・Ｃｏｍｐｕｔｅｒｓ
、１９９６年）。

【０００８】 調整はシステム識別において見出される。この手法は例えば反転低条件付きマ
トリックスにおける問題を回避するのに用いられるし（Ｌｊｕｎｇ「Ｓｙｓｔｅ
ｍ・Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ、Ｔｈｅｏｒｙ・ｆｏｒ・ｔｈｅ・ｕｓｅｒ
、Ｐｒｅｎｔｉｃｅ−Ｈａｌｌ、Ｅｎｇｌｅｗｏｏｄ・Ｃｌｉｆｆｓ，ＮＪ、１
９８７年）、増加した組織的な誤差へのパラメータ予測の変動を低減するのにも
用いられる（Ｌｊｕｎｇ、Ｓｊｏｅｂｅｒｇ「Ａ・ｃｏｍｍｅｎｔ・ｏｎ・‘ｌ
ｅａｋａｇｅ’・ｉｎ・ａｄａｐｔｉｖｅ・ａｌｇｏｒｉｔｈｍｓ」Ｔｅｃｈｎ
ｉｃａｌ・Ｒｅｐｏｒｔ・ＬｉＴＨ−Ｉ−ＩＳＹ−１３０４、ｌｉｎｋｏｅｐｉ
ｎｇ・Ｕｎｉｖｅｒｓｉｔｙ・Ｓｗｅｄｅｎ、１９９２年）。線形回帰モデルお
よび予測自乗誤差に基づいた基準の場合のδの値の選択はその後の開示において
扱われている。

【０００９】 Ａｄａｐｔｉｖｅ・Ｓｙｓｔｅｍｓ・ｉｎ・Ｃｏｎｔｒｏｌ・ａｎｄ・Ｓｉｇ
ｎａｌ・Ｐｒｏｃｅｓｓｉｎｇ、１９９２年、Ｖｏｌｕｍｅ１−３、１９９２年
７月、ｐｐ１３９−１４３（Ｌｊｕｎｇ，ＬおよびＳｊｏｅｂｅｒｇ、Ｊ）の報
告「適応性アルゴリズム中のリーケージについてのコメント」においては、適応
性制御および適応性処理の問題を取り扱っている。この報告では線形回帰モデル
ｙ（ｔ）＝φ^Ｔ（ｔ）θを用いてフィルター・パラメータθ（ｔ）を予測してい
る。

【００１０】 θ（ｔ）＝θ（ｔ−１）＋μ_ｔＰ_ｔφ（ｔ）（ｙ（ｔ）−φ^Ｔ（ｔ））θ（ｔ
−１）

【００１１】 ここでθ（ｔ）は時間ｔにおける予測であり、μ_ｔはステップサイズである。
Ｐ_ｔ＝Ｒ^−１（ｔ）に選ぶことにより（ここでＲ（ｔ）は回帰の共分散マトリッ
クスの付重常態化予測である）θ（ｔ）についての予測は回帰最少自乗アルゴリ
ズムとなって、付重最少自乗基準を最少にする。基準とは数学的な表現であり、
フィルター・パラメータの特定値について最少となる。Ｐ_ｔ＝Ｉに選ぶと代りに
最少平均自乗（ＬＭＳ）アルゴリズムが得られる。

【００１２】 さらにこの報告においては、θ（ｔ）について「プル期間」および「リーケー
ジ期間」なる表現が含まれている。これはθをあるパラメータ値に持ってくるこ
とを可能とするひとつの方法である。すなわち「リーケージ」はフィルター・パ
ラメータθを基準中の特定の値に持ってくる方法である。またこの報告にあって
は、「リーケージ」処理を行う他の方法として調整があるとしている。この報告
に言う「リーケージ」とは上記のθ（ｔ）について「リーケージ」期間を導入す
ることに基づいている。この報告は基準自身に調整聞期間を導入することは記載
してない。

【００１３】 ヨーロッパ特許第５６５４７９号にはクロス・ポリ・スペクトルに基づいた方
法が開示されている。この方法は高位確率論（ＨＯＳ）に基づいている。高位確
率論に基づいた方法では、よい予測を行うには非常に多数のサンプルを必要とす
ることが公知である。この結果ＨＯＳに基づいたアルゴリズムは遅くなり、二位
確率論に基づいた方法に比べて動作が劣るものである。

【００１４】 アメリカ特許第４，２０８，７８６号には、二位確率論に基づいた信号分離ア
ルゴリズムが開示されているが、一般の場合には動作しない。提案されたアルゴ
リズムは両チャンネルフィルターが同じ値の直接期間を有する場合（ａ_０＝ｂ_０ ）のみ記載されている方程式（１４）および（１５）によって動作するものであ
る。これらの方程式はいかにして係数が予測されるかを示している。フィルター
係数についての最新の方程式は以下の通りで直接期間を扱うのみである。

【００１５】 Ａ_０（ｎ）＝ａ_０（ｎ−１）＋Ｙ_１Ｖ_２（ｎ）Ｖ_１（ｎ）

【００１６】 Ｂ_０（ｎ）＝ｂ_０（ｎ−１）＋Ｙ_２Ｖ_１（ｎ）Ｖ_２（ｎ）

【００１７】 直接期間についての最新の期間が同じであることは明らかである。また他にも
同様なアルゴリズムが提唱されているが、両直接期間がゼロであるという仮定に
立っているものである（Ｖａｎ・Ｇｅｒｖｅｎ、Ｖａｎ・Ｃｏｍｐｅｒｎｏｌｌ
ｅ；「Ｓｉｇｎａｌ・ｓｅｐａｒａｔｉｏｎ・ｂｙ・ｓｙｍｍｅｔｒｉｃ・ａｄ
ａｐｔｉｖｅ・ｄｅｃｏｒｒｅｌａｔｉｏｎ；Ｓｔａｂｉｌｉｔｙ、Ｃｏｎｖｅ
ｒｇｅｎｃｅ・ａｎｄ・Ｕｎｉｑｕｅｎｅｓｓ」ＩＥＥＥ・Ｔｒａｎｓ．、Ｓｉ
ｇｎａｌ・Ｐｒｏｃｅｓｓｉｎｇ、１９９５年７月）。

【００１８】

【発明の要旨】 この発明は信号分離により未知の態様で混合群されている２個以上の信号を分
離する方法に関するものである。またこの発明は基準の調整により該方法を改良
せんとするものである。調整とはパラメータが特定の値にされることを意味する
。これにより調整は過剰パラメータ化の故に起きる問題を低減させる。

【００１９】

【好ましき実施例の詳細な記載】 以下添付の図面により好ましき実施例を説明する。多数の信号を相互に分離し
たいときに信号分離が用いられる。この方法は少なくとも分離したい数の異なる
混合群へのアクセスに基づいている。例えば、２人の人間が室内で同時に話して
おり、他方の音の故に一方の人間が言っていることを聴取するのに問題がある場
合にこの発明は使用できる。信号分離は例えば２個のマイクロフォンからの信号
に基づいて、分離構造中のフィルターを決定し、そこからフィルターが各音を出
力するのである。

【００２０】 この発明は遅れを含んだフィルターによって混合群をモデル化することに基づ
いている。図２ａは２個の信号の混合群のモデルを示すものである。測定可能な
信号はｙ_１とｙ_２のみである。ｙ_１はｘ_１＋ｘ_２のフィルターされたバージョン
としてモデル化される。すなわち

【００２１】 Ｙ_１＝Ｘ_１＋Ｂ_２Ｘ_２

【００２２】 同様にして下記がモデル化される。

【００２３】 Ｙ_２＝Ｘ_２＋Ｂ_１Ｘ_１

【００２４】 混合群のモデルはフィルターＢ_１とＢ_２とを含んでいる。信号Ｙ_１とＹ_２は測
定可能でそれらに基づいており分離構造中のフィルターが予測される。分離構造
からの出力信号は下記の式で表わされる。

【００２５】 Ｓ_１＝Ｙ_１−Ｄ_２Ｙ_２＝（１−Ｄ_２Ｂ_１）Ｘ_１＋（Ｂ_２−Ｄ_２）Ｘ_２

【００２６】 Ｓ_２＝Ｙ_２−Ｄ_１Ｙ_１＝（１−Ｄ_１Ｂ_２）ｘ_２＋（Ｂ_１−Ｄ_１）Ｘ_１

【００２７】 上記の関係式によれば、Ｂ_１＝Ｄ_１でかつＢ_２＝Ｄ_２ならば信号は分離される
ことが明らかである。すなわち出力信号Ｓ_１とＳ_２とはそれぞれＸ_１とＸ_２のみ
に依存する。分離構造中のフィルターの予測の決定を行うには、基準Ｖの最小値
または最大値を与えるフィルター・パラメータを探せばよい。上記のようにクロ
ス相関関数、コントラスト関数およびクロス・ポリ・スペクトルに基づいた多数
の基準がすでに提案されてきた。

【００２８】 信号分離の実行は単一に定義できるものである。予測されたパラメータと真の
パラメータとの間の平均自乗偏差はそれらの尺度のひとつである。応用に適した
尺度はいかに干渉信号を抑えられるかで決まってくる。すなわち信号対ノイズ比
ＳＮＲである。いずれにしても測定された信号と分離された信号との間のＳＮＲ
の増加の測定値が重要なのである。

【００２９】

【調整の効果】 チャンネルの予測は本質的に真のものからの偏差を免れないものである。真の
値からの平均偏差は「組織的誤差」である。パラメータ予測の「変動」は予測に
おける平均値からの平均偏差の変動の尺度となる。すなわち各予測間でどのくら
いパラメータ予測が変動するかの尺度となる。変動は予測と平均自乗値との間の
差異の平均値である。「標準偏差」は変動の平方根である。また「平均自乗偏差
」は予測値とパラメータの自乗の真の値との間の差異の平均値である。

【００３０】 信号分離アルゴリズムにおいて調整は予測されるパラメータの変動を低減する
手段として使用される。これらのパラメータは通常分離構造中のフィルターの係
数である。調整は「リーケージ」とも呼ばれる。過剰パラメータ化の問題が起き
たときに必要が生じるのである。一部のパラメータがゼロではなくしかもそれが
どれか判らないときにこれが起きるのである。この問題を解決するには、なんら
かの方法でどのパラメータが必要かを予測してみることである。そうすればそれ
らの値を決定することができる。システムが時間とともに変動する場合には、こ
のモデル構造は時間とともに変動する。モデル予測を得る他の方法としては調整
を導入する手がある。調整は変更された基準Ｖ’として導入される。

【００３１】 Ｖ’＝Ｖ＋δ|θ−θ”｜

【００３２】 ここでＶは分離構造のパラメータを予測するために最小化されるべき基準であ
り、δは基準が調整されるべきものの程度を決定するためのデザイン変数であり
、θは予測されるパラメータを含んだコラム・ベクトルであり、θ”は真のパラ
メータの情報を伴なったコラム・ベクトルである。調整は当初の基準にいわゆる
調整期間を添加することにより導入される。より一般的な方程式は下記のごとく
である。

【００３３】 Ｖ’＝Ｖ＋（θ−θ”）Ｃ（θ−θ”）^Ｈ

【００３４】 ここでＣは重みマトリックスであり、Ｈはヘルミシアン演算子（結合交換演算
子）ある。この方程式は例えばパラメータの可変調整を可能とするものである。

【００３５】 かくしてアルゴリズム中に調整を用いることにより、θ”を適切に選択するこ
とによりパラメータを特定の値の方に制御することが可能となる。パラメータの
そのような特定化は物理的モデル化（例えば室内における音の伝播）または制御
条件下の測定により得られるものである。過剰パラメータ化の場合にはθ”をゼ
ロのベクトルに選ぶことができる。すなわち全てのパラメータがゼロにされるの
である。

【００３６】 全ては図３に示されている。調整パラメータδの値の変化に応じて組織的誤差
、標準偏差および平均自乗誤差がいかに変動するかが示されている。間隔δ中に
あっては平均自乗誤差が大きく低減し間隔外にあっては増加することが判る。

【００３７】 図４には方法の結果が示されている。信号の改善が信号対ノイズ比（ＳＮＲ）
として示されている。非調整基準（小さなδ値）に比べて間隔中においてｓ_１に
ついてのＳＮＲが大きく増加している。図１，２において用いられた信号はコン
ピューターにより発生されたシーケンスである。

【００３８】 増加した組織的誤差の代わりに調整はパラメータの変動を低減する。かくして
、減少した変動のお陰で方法の実行中に達成されたゲインが増加された組織的誤
差による実行中の損失を越えないように、パラメータδは選ばなければならない
。理想的には、アルゴリズムの実行の最大化を結果する点でそれらの効果が釣り
合うように、δを選ぶのがよい。

【００３９】 ひとつの応用対象は互いにほぼ１０ｃｍの距離だけ離れたマイクロフォンから
の信号である。図１に示すのはこの発明の方法を２個のマイクロフォン１１，１
２を具えた携帯電話１０に応用したものである。室内での音の移動は少しのパラ
メータで表現できるが、それらの情報は手中には通常ないのである。どこから信
号が来るかという制約を招かないためには、各２０個までの係数を伴なったフィ
ルターが必要となる。基準に調整を導入するとアルゴリズムが実用できるように
なる。

【００４０】 調整を用いた信号分離の応用例の概要を以下に説明する。この方法を用いるの
は、混合群方法が不明な２個以上の信号があるときか、１個以上のそれらをフィ
ルターしたいときである。この方法においてはフィルターされるべき信号の数と
同じだけ（または混合群の異なるバージョンと同じだけ）のセンサーが必要とな
る。導入する調整の強さは過剰パラメータ化の感度が低減するようなものである
。

【００４１】 調整を伴なった信号分離は電話通信におけるノイズ抑制に適している。受信し
た信号についてノイズ低減が施されていないと、聞き手には話手の周囲の雑音な
どが入ってくるから、非常に煩わしいものである。これは種々の非常に異なる環
境で用いられる携帯電話の場合特に起きることである。また今日の携帯電話のた
めの音声に適したコード化はより一層聞き手にとっての煩わしさとなっている。

【００４２】 したがって聞き手への送信前に信号の質を高めておくことが肝要である。この
方法を実施するには電話が少なくとも２個のマイクロフォンを具えている必要が
ある。これらのマイクロフォンは、それらからの信号が本質的に異なるように、
距離を置いて配置されるべきである。同時にマイクロフォン間の距離が大きいと
、マイクロフォン間のチャンネルのモデル化中の多くの係数を具えたフィルター
が必要となる。実行を増加することなしに多くのフィルター係数の導入が許され
るときには調整の必要性が強まるのである。

【００４３】 補聴器を用いている人は常に周囲のあらゆる音が等しく増幅されてしまうとい
う問題を持っている。数人が同時に離していたり音楽や機械が音を立てている環
境では、補聴器を使っている人は他人の話しを完全には聞き取れないので、通常
の会話をすることができない。補聴器に１個以上のマイクロフォンを装備して信
号分離アルゴリズムを導入すると、聞取りのレベルの調整を非常に増大すること
ができる。

【００４４】 Ｚａｒｚｏｓｏ他が紹介しているように（Ｂａｃｈａｒｉｓ、Ａ．Ｋ．Ｎａｎ
ｄｉおよびＶ．Ｚａｒｚｏｓｏ「Ｆｏｅｔａｌ・ＥＣＧ・Ｅｘｔｒａｃｔｉｏｎ
・ｕｓｉｎｇ・Ｂｌｉｎｄ・Ｓｏｕｒｃｅ・Ｓｅｐａｒａｔｉｏｎ・Ｍｅｔｈｏ
ｄｓ」Ｐｒｏｃｅｅｄｉｎｇｓ・ｏｆ・ＥＵＳＩＰＣＯ、‘９６年）、信号分離
とは哺乳動物のＥＣＧ（心電図）をフィルターすることである。哺乳動物のＥＣ
Ｇを測定するときには、母体のＥＣＧも含まれる。いくつかのセンサーと信号分
離アルゴリズムを用いたフィルターによりこれを低減したいものである。Ｚａｒ
ｚｏｓｏは遅れのないチャンネル・モデルを用いたのみであり、これはサンプリ
ングが高い場合には不充分であると考えられ、センサーは母体上によく分散され
ている必要がある。

【００４５】 また高度の静力学に基づいた方法もばしば用いられ、高度の確率論に基づいた
方法に比べてよく機能するには非常に多数のサンプル（長い測定時間）を必要と
する。調整された基準を導入することにより、実行が改善されてアルゴリズムが
しっかりしたものとなる。調整を伴なった信号分離はＥＥＧ（脳波計）やＥＮＧ
（電子ニューログラム）などの身近な分野にも応用できる。

【００４６】 Ｓａｈｌｉｎによる報告（Ｈ．ＳａｈｌｉｎおよびＨ．Ｂｒｏｍａｎ「Ｂｌｉ
ｎｄ・Ｓｅｐａｒａｔｉｏｎ・ｏｆ・Ｉｍａｇｅｓ」、Ｐｒｏｃｅｅｄｉｎｇｓ
・ｏｆ・３０ｔｈ・Ａｓｉｌｏｍａｒ・Ｃｏｎｆｅｒｅｎｃｅ・ｏｎ・Ｓｉｇｎ
ａｌｓ，Ｓｙｓｔｅｍｓ，ａｎｄ・Ｃｏｍｐｕｔｅｒｓ）にあっては、画像処理
に信号分離を用いることが提唱されている。この方法は自乗クロス相関関数の基
準および混合群の１を越える画像へのアクセスに基づいている。この方法は例え
ば医療画像処理（Ｘ線、超音波、磁気反響など）などに用いられるもので、そこ
では内部器官などの表現が上下に横たわる構造によって撹乱される。信号分離ア
ルゴリズムを用いれば、登録され画像間の差異が予測され、この情報を用いて所
望の構造のより鮮明な画像が発生される。登録された画像間の差異は、異なるレ
ベルでのシャープさ、器官の自然な動きまたはカメラの小さな動きなどである。

【００４７】 後の２通りのケースにおいては、調整の導入により挙動が大幅に改善されるも
のと考えられる。動きはフィルターによりモデル化することができ、一部の係数
はゼロではないが、多数の係数はゼロとなる。これらのフィルターがモデル化さ
れるときには、どの係数が予測されるべきか、どれがゼロか、どれが過剰パラメ
ータ化の問題を起こすかについての情報は通常ないのである。調整基準の導入に
よりよりよき結果が得られるのである。

【００４９】 他にも応用が可能なものとして水中聴音技術、振動の測定、広域信号による無
線通信、信号の未知の混合群の２以上の尺度へのアクセスなどがある。この発明
は以上記載したものに限定されるものではない。

【図面の簡単な説明】

【図１】 この発明を組み込んだ携帯電話を示す図である。

【図２】 この発明による概要を示す図である。

【図３】 （ａ） 組織的な誤差、標準偏差平均、自乗誤差を示すグラフである。 （ｂ） 組織的な誤差、標準偏差平均、自乗誤差を示すグラフである。 （ｃ） 組織的な誤差、標準偏差平均、自乗誤差を示すグラフである。 （ｄ） 組織的な誤差、標準偏差平均、自乗誤差を示すグラフである。 （ｅ） 組織的な誤差、標準偏差平均、自乗誤差を示すグラフである。 （ｆ） 組織的な誤差、標準偏差平均、自乗誤差を示すグラフである。

【図４】 この発明による調整の関数であるＳＮＢの増加を示す図である。

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＣＹ， ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，Ｉ Ｔ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＧＷ，ＭＬ， ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＧＭ，Ｋ Ｅ，ＬＳ，ＭＷ，ＳＤ，ＳＺ，ＵＧ，ＺＷ)，ＥＡ(ＡＭ ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ，ＴＪ，ＴＭ) ，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ，ＢＡ，ＢＢ，ＢＧ， ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＵ，ＣＺ，ＤＥ，Ｄ Ｋ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＥ，ＧＨ，ＧＭ，ＨＲ ，ＨＵ，ＩＤ，ＩＬ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ， ＫＲ，ＫＺ，ＬＣ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，Ｌ Ｖ，ＭＤ，ＭＧ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ ，ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ， ＳＫ，ＳＬ，ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＵＡ，ＵＧ，Ｕ Ｓ，ＵＺ，ＶＮ，ＹＵ，ＺＷ (72)発明者 サーリン，ヘンリック スウェーデン国 エス−414 78 イェー テボリ スケップランドスガタン １ Ｆターム(参考） 5D020 BB07 5J023 DA03 DA04 DA05 DB03 DC06 DD01 DD07

Claims (7)

【特許請求の範囲】
1. 【請求項１】 少なくとも２個の信号を、信号の混合から分離する方法であ
   って、異なる混合の数が分離されるべき信号の数と同数以上であり、該分離法に
   は、分離構造および正規化補正中で、評価パラメータを最小化するための変更基
   準を備える方法において、以下の特徴を有する信号分離法。該補正法には、評価
   されるべき第一パラメータのベクトルと、実パラメータおよび加重マトリックス
   に関する有り得る情報を伴った第２ベクトルを備え、かつ前記した第１ベクトル
   と第２のベクトルの積、加重マトリックス、ならびに前記した第１ベクトルと第
   ２のベクトルの共役・変換差を備えた補正法であること。以上の構成であること
   を特徴とする信号分離方法。
2. 【請求項２】 少なくとも２個の信号を、信号の混合から分離する方法であ
   って、異なる混合の数が分離されるべき信号の数と同数以上であり、該分離法に
   は、分離構造および正規化補正中で、評価パラメータを最小化するための変更基
   準を備える方法において、以下の特徴を有する信号分離法。該補正法には、評価
   されるべき第一パラメータのベクトルと、実パラメータおよび設計変数に関する
   有り得る情報を伴った第二ベクトルを備え、かつ該設計変数と、前記した第１ベ
   クトルと第２のベクトルの差異係数との積を備えた補正法であること。以上の構
   成であることを特徴とする信号分離方法。
3. 【請求項３】 請求項１、２における、実パラメータに関する有り得る情報
   を伴った第二ベクトルが、物理的モデリング、例えば室内における音響伝播によ
   り決定されるように構成されていることを特徴とする請求項１および請求項２に
   記載の信号分離方法。
4. 【請求項４】 少なくとも２個のマイクロフォン（１１、１２）を備えた通
   信装置であって、かつこの装置が信号の混合から、２個以上の信号を分離するよ
   うに構成されており、しかも異なる混合の数が分離されるべき信号の数と同数以
   上であり、該装置には、分離構造および正規化補正中で、評価パラメータを最小
   化するための変更基準を備えるように構成されている装置において、以下の特徴
   を有する通信装置。該補正法には、評価されるべき第一パラメータのベクトルと
   、実パラメータおよび加重マトリックスに関する有り得る情報を伴った第２ベク
   トルを備え、かつ前記した第１ベクトルと第２のベクトルの積、加重マトリック
   ス、ならびに前記した第１ベクトルと第２のベクトルの共役・変換差を備えた補
   正法であること。以上の構成であることを特徴とする通信装置。
5. 【請求項５】 請求項４における方法が、電話（１０）または補聴器である
   ことを特徴とする請求項４に記載の通信装置。
6. 【請求項６】 ２個以上のセンサーを備えたＥＣＧなどの医療診断用の装置
   であって、少なくとも２個の信号を信号の混合から分離する装置であって、異な
   る混合の数が分離されるべき信号の数と同数以上であり、該分離法には 分離構
   造および正規化補正中で、評価パラメータを最小化するための変更基準を備える
   装置において、以下の特徴を有する装置。該補正法には、評価されるべき第一パ
   ラメータのベクトルと、実パラメータおよび加重マトリックスに関する有り得る
   情報を伴った第２ベクトルを備え、かつ前記した第１ベクトルと第２のベクトル
   の積、加重マトリックス、ならびに前記した第１ベクトルと第２のベクトルの共
   役・変換差を備えた補正法であること。以上の構成であることを特徴とする医療
   診断用の装置。
7. 【請求項７】 一層鮮明な画像を提供するための画像処理装置であって、少
   なくとも２個の信号を信号の混合から分離する装置であって、異なる混合の数が
   分離されるべき信号の数と同数以上であり、該分離法には 分離構造および正規
   化補正中で、評価パラメータを最小化するための変更基準を備える装置において
   、以下の特徴を有する装置。該補正法には、評価されるべき第一パラメータのベ
   クトルと、実パラメータおよび加重マトリックスに関する有り得る情報を伴った
   第２ベクトルを備え、かつ前記した第１ベクトルと第２のベクトルの積、加重マ
   トリックス、ならびに前記した第１ベクトルと第２のベクトルの共役・変換差を
   備えた補正法であること。以上の構成であることを特徴とする画像処理用の装置
   。