JP2007220124A - 信号分類方法 - Google Patents

Abstract

【課題】 信号（Ｓ）を分類するための信号分類方法を提供する。
【解決手段】 中間信号（ＩＳ）を間引き、新たな中間信号（ＩＳ）として処理済の信号（ＰＳ）を得る。処理済の信号（ＰＳ）を分類される信号（Ｓ）と比較し、比較データ（ＣｏｍｐＤＡＴ）を生成する。比較データ（ＣｏｍｐＤＡＴ）に基づいて、分類される信号（Ｓ）を分類し、分類データ（ＣｌａｓｓＤＡＴ）を生成する。
【選択図】 図１

Description

本発明は、信号を分類するための信号分類方法に関し、特に、マルチレート、マルチスケール又はマルチレゾリューションの概念に基づく雑音の間引き及び／又は高周波信号領域又は成分の検出に関する。

近年、特に民生用電子機器及び各設備において、信号の解析及び分類が益々重要になっている。各信号の所定のプロパティを導出し、更なる処理のためにこれらの信号を分類する等のために、信号を事前推定及び前処理するための多くの方法及び装置が開発されている。

しかしながら、周知の方法及び装置は、構造、アーキテクチャ及び処理フローがかなり複雑である。したがって、このようなシステムは、演算負荷が大きく、ハードウェア設備が大掛かりになり、及び／又は演算に時間が掛かるという問題があった。

したがって、本発明の目的は、簡単に実現でき、生来的に簡潔な手法で、異なる信号成分又は信号領域に関して、信号を明確に分類できる信号分類方法を提供することである。

この目的は、独立請求項１に基づく信号分類方法によって達成される。本発明に基づく信号分類方法の好ましい実施の形態は、従属請求項に定義されている。また、この目的は、独立請求項１７に基づくシステム又は装置、独立請求項１８に基づくコンピュータプログラム製品、及び独立請求項１９に基づくコンピュータにより読取可能な媒体によって達成される。

本発明は、広義には、処理済の信号を生成するために、分類される信号に由来する中間信号を間引く処理に基づく。そして、中間信号又は処理済の信号を分類される信号と比較する。この比較によって、分類される信号が分類される。

すなわち、本発明に係る信号分類方法は、信号を分類する信号分類方法において、（ａ）分類される信号を入力信号として準備又は受信するステップと、（ｂ）入力信号を中間信号として用いるステップと、（ｃ）中間信号又はその一部又は複数の部分を間引き、処理済の信号を生成し、処理済の信号を新たな中間信号として用いるステップと、（ｄ）中間信号又はその一部又は複数の部分を、分類される信号又はその各一部又は複数の各部分と比較し、比較結果として、比較データを生成するステップと、（ｅ）比較データに基づいて、分類される信号又はその一部又は複数の部分を分類し、分類結果として、分類データを生成するステップとを有する。これらのステップは、特に、所定の順序で行ってもよい。

また、本発明は、上述した信号分類方法を実現及び実行するよう適応化され、また、このための手段を備える信号分類システム、装置及び／又は機器を提供する。

更に、本発明は、コンピュータ又はデジタル信号処理手段によって実行されると、上述した信号分類方法を実現及び実行するよう適応化されたコンピュータプログラム手段を備えるコンピュータプログラム製品を提供する。

更に、本発明は、このコンピュータプログラム製品を備えるコンピュータにより読取可能な媒体を提供する。

以下では、本発明のこれらの側面及び更なる側面について説明する。

以下では、機能的及び構造的に類似又は同様の要素及び構造については、同じ参照符号を付す。これらが出現する毎に同じ詳細な説明は繰り返さない。

信号を分類するための信号分類方法は、所定の順序で、（ａ）分類される信号Ｓを入力信号ＩｎｐＳとして準備又は受信するステップと、（ｂ）入力信号ＩｎｐＳ又はその一部又は複数の部分を中間信号ＩＳ又はその各一部又は複数の各部分として用いるステップと、（ｃ）中間信号ＩＳ又はその一部又は複数の部分を間引き、処理済の信号ＰＳを生成し、処理済の信号ＰＳを新たな中間信号ＩＳとして用いるステップと、（ｄ）中間信号ＩＳ又はその一部又は複数の部分を、分類される信号Ｓ又はその各一部又は複数の各部分と比較し、比較結果として、比較データＣｏｍｐＤＡＴを生成するステップと、（ｅ）比較データＣｏｍｐＤＡＴに基づいて、分類される信号Ｓ又はその一部又は複数の部分を分類し、分類結果として、分類データＣｌａｓｓＤＡＴを生成するステップとを有する。

中間信号ＩＳを間引くステップ（ｃ）は、マルチスケール又はマルチレゾリューション信号処理とも呼ぶことができるマルチレート信号処理に基づいて実行してもよい。

中間信号ＩＳを間引くステップ（ｃ）は、（ｃ１）中間信号ＩＳをローパスフィルタリング及び／又はアンチエリアスフィルタリングするサブステップと、（ｃ２）所定の順序で中間信号ＩＳをダウンサンプリングするサブステップとを有していてもよい。

中間信号ＩＳを間引くステップ（ｃ）、特に各サブステップ（ｃ１）、（ｃ２）は、高周波成分、雑音成分及び／又はその各分散を低減し、中間信号ＩＳの有用な信号成分を実質的に変更しないように維持し、又は中間信号ＩＳの有用な信号成分を比較的より少量又は比較的少量だけ変更し又は変更しない処理であってもよい。

比較するステップ（ｄ）及び／又は分類するステップ（ｅ）は、傾き推定（gradient estimation）の処理に基づいて行ってもよい。

中間信号ＩＳを間引くステップ（ｃ）、特にローパスフィルタリング及び／又はアンチエリアスフィルタリングを行うサブステップ（ｃ１）は、例えば、ハミングウィンドウを含むウィンドウ化処理に基づいて実行してもよい。

中間信号ＩＳを間引くステップ（ｃ）、中間信号ＩＳを比較するステップ（ｄ）及び／又は信号Ｓを分類するステップ（ｅ）は、解像度、スケール又はレートの１又は複数のレベルまで、及び／又は所定の繰返し停止条件が満たされるまで繰り返し実行してもよい。

中間信号ＩＳを、分類される信号Ｓと比較するステップ（ｄ）は、高周波成分のレベルにおける各雑音レベル及び／又はその各分散の比較を含んでいてもよい。

予め定義された手法で、各閾値及び／又は各閾値条件に基づいて、繰返し、特に各繰返し停止条件及び／又は中間信号ＩＳを、分類される信号Ｓと比較するステップ（ｄ）を実行してもよい。

比較データＣｏｍｐＤＡＴ及び／又は分類データＣｌａｓｓＤＡＴに基づいて、均質な領域又は信号成分を検出してもよく、及び／又は、雑音及び／又は高周波成分のコンテンツに関して、他の領域又は信号成分を区別してもよい。

中間信号ＩＳを間引くステップ（ｃ）又はローパスフィルタリング及び／又はアンチエリアスフィルタリングを行うサブステップ（ｃ１）は、実行されるローパスフィルタ及び／又はアンチエリアスフィルタの伝達関数Ｈに基づいて、事前推定（pre-estimated）してもよい。

分類される信号Ｓの領域又は信号成分において、高周波信号成分及び雑音のいずれが支配的であるかを判定するために、基底のフィルタのそれぞれの伝達関数Ｈを用いて、変化率、分散範囲及び分散公差範囲の少なくとも１つを定義してもよい。

領域又は信号成分は、間引かれた中間信号ＩＳから算出された分散が分散公差範囲内にある場合、雑音が支配的であると分類してもよく、この他の場合、検討中の領域又は信号成分は、高周波信号成分が支配的であると分類してもよい。

カスケード処理によって、領域又は信号成分は、均質であると判定してもよく、又は均質であるとして、他の領域又は信号成分から区別してもよい。

雑音低減率に公差範囲を導入してもよい。

領域又は信号成分が高周波信号成分だけを含む場合、隣接する領域又は信号成分から算出された雑音分散値から雑音分散を補間し、及び／又は領域又は信号成分が高周波信号成分だけを含む場合、信頼できる雑音分散推定結果が得られないことを通知する警告メッセージを生成してもよい。

この信号分類方法は、音響信号、音声信号、画像、画像のシーケンスを含む１次元信号、２次元信号及び／又は３次元信号からなる信号のグループに適用してもよい。

更に、本発明は、上述した信号分類方法及びそのステップを実現するよう適応化され、この信号分類方法及びそのステップ実現するための手段を備える信号分類システム、装置又は機器を提供する。

更に、本発明は、コンピュータ又はデジタル信号処理手段によって実行されると、上述した信号分類方法及びそのステップを実現するようコンピュータプログラム手段を備えるコンピュータプログラム製品を提供する。

更に、本発明は、このコンピュータプログラム製品を備えるコンピュータにより読取可能な媒体を提供する。

以下、本発明のこれらの側面及び更なる側面について説明する。

また、本発明は、特に、マルチレートベース雑音推定及び高周波信号成分領域検出の概念に関連する。また、本発明は、特にマルチレート信号処理に基づく雑音レベルの推定方法を提供する。この処理は、雑音がランダムであり、したがって、アンチエリアスフィルタ及びダウンサンプラを用いる間引きによって、雑音分散が減少するという事実に基づいている。減少係数は、アンチエリアスフィルタによって決定し、したがって、予め、計算できる。一方、有用な信号は、相関性を有しており、間引きの後にも、そのパワーは、雑音分散と同じ比率では減少しない。この結果、均質の雑音領域を、高周波信号成分を含む領域から区別できる。そして、均質の雑音領域における雑音レベルを推定することによって、信頼できる雑音レベル推定結果を得ることができる。

ここに開示する雑音推定方法は、利用可能なデータの全体について、信頼できる雑音推定結果を提供するだけではなく、利用可能なデータの異なる領域についても、信頼できる雑音推定結果を提供する。

雑音レベル推定は、以前から行われている。これまで、多数の雑音推定方法が開発されている。これらの雑音推定方法は、基準指示（reference-directed）、最小値ベース（least-value-based）、オブジェクトベース（object-based）及びスペクトル領域雑音推定の３つのカテゴリに分類できる。

基準指示雑音推定法は、基準信号又は信号に関する予備的な知識を必要とする。ここでは、基準信号と、雑音が重畳した信号とを比較することによって、雑音分散を推定することができる。この手法の具体例としては、テレビジョン信号システムの垂直帰線期間、すなわち、同期信号における既知の信号を用いたテレビジョン雑音推定がある［Ｈｅｎｔ９８］。なお、この手法では、同期信号が、必ずしも、ビデオ信号と同じ雑音チャンネルを通過するわけではないという問題点がある。更に、例えば、記録媒体に記録された信号は、通常、同期信号を含んでおらず、したがって、上述のような基準信号が全く利用できない場合もある。

最小値ベースの雑音推定方法では、例えば、ガウス分布又はポアソン分布等に基づき、雑音の分布が既知であると仮定する［Ｈｅｎｔ９８］。ここでは、利用可能なデータを用いて、均質な領域において算出された雑音分散は、高周波信号成分を含む領域で計算された雑音分散より小さくなるという事実に基づいて、雑音分散を計算する。そして、計算結果から、最小のＮ個の結果を雑音分散として選択できる。なお、「Ｎ」の数値をどのように決定するかは、未解決である。最小値ベースの雑音推定方法の複雑性は、雑音分布に依存する。分散が信号強度に比例するポアソン分布雑音を推定した場合、信号強度から独立した分散を仮定するガウス分布の雑音を推定した場合よりも複雑性がより高まる。雑音推定のためのデータが異なるソースからのデータから構成される場合、例えば、高品質のＣＤ信号、又はカムコーダ／カメラによって撮影された写真の一部及びスタジオで撮影された高品質画像の一部を含むマルチメディア画像によって雑音信号が導入される場合、雑音分散は、通常、異なる。この結果、この種の最小値ベースの雑音推定方法による推定は失敗する。更に、この雑音推定方法は、仮定されたモデルが正しくても、画像コンテンツに依存する。利用可能なデータが高周波信号成分だけのものである場合、最小のＮ個の結果は、真の雑音分散値に一致しない。

オブジェクトベースの雑音推定方法は、事前に検出されたオブジェクトに関する知識を利用する。この手法は、パターンを確実に認識できれば、成功する。しかしながら、パターン認識は、非適切問題（ill-posed problem）であり、パターン認識自体が、信頼できる雑音分散推定結果を必要とする。

スペクトル領域雑音推定方法は、信号スペクトル領域における雑音のレベルを推定する。この種の手法は、演算負荷が大きいだけでなく、推定結果は、利用可能なデータの特性に依存してしまう。すなわち、利用可能な信号データが高周波信号成分だけからなる場合、推定結果は誤りとなる。また、この種の雑音推定方法は、異なるソースからの混合信号に対処できない。更に、この手法は、高周波信号成分を含む領域から均質な領域を直接検出できない。均質な領域の検出は、多くの信号処理演算にとって、重要である。

また、文献［Ｏｌｓｅｎ９３］では、様々な雑音推定方法が評価されている。

本発明は、まず、信頼できる雑音レベル推定方法を実現することを目的とする。次に、本発明は、高周波信号成分が支配的な領域から均質な領域を直接検出する。

現在の幾つかの雑音レベル推定方法は、利用可能なデータに関する予備的な知識を必要とするが、予備的な知識は、信頼性が低い場合があり、また、このような知識が常に既知であるわけでもない。また、他の既知の雑音レベル推定方法は、異なるソースからの混合信号に対処できず、利用可能なデータが高周波信号成分のみを含む場合、雑音レベル推定を誤る。

ローパスフィルタによって、雑音分散を減少させることができることが知られている。この場合の減少量は、ローパスフィルタに強く依存する。なお、ローパスフィルタでは、信号高周波成分も減少するが、間引きでは、同じ量だけ信号パワーを減少させない。すなわち、ダウンサンプリング処理は、信号パワースペクトルを増加させ、ローパスフィルタによって信号高周波成分が減少する作用を打ち消す。また、雑音にも同じダウンサンプリング処理が施され、ダウンサンプリングによって雑音分散計算に利用可能なデータ数が減少し、したがって、雑音分散の推定の正確さに影響するが、雑音分散が大きくなるわけではない。ここで、この種の影響を打ち消す手法を説明する。比較の目的で、以下に用いる「信号パワー」という用語は、「信号分散」によって置換することができる。

以下では、図面を参照して説明を行う。

図１は、本発明の幾つかの基本的な側面である、信号を分類するための信号分類方法の好ましい実施の形態の概略的なブロック図又はフローチャートである。

開始又は初期化ステップＳ０に続いて、第１のステップＳ１のステップにおいて、分類される信号Ｓを準備又は受信する処理（ａ）を実行する。

次に、ステップＳ２において処理（ｂ）を実行し、ここで、分類する信号Ｓ、すなわち、入力信号ＩｎｐＳを中間信号ＩＳとして設定する。次に、ステップＳ３では、中間信号ＩＳを間引き、処理済の信号ＰＳを生成する処理（ｃ）を実行する。ここでは、処理済の信号ＰＳを使用し、すなわち、新たな中間信号ＩＳとして設定する。第３のステップＳ３、すなわち中間信号ＩＳを間引く処理（ｃ）は、中間信号ＩＳをローパスフィルタリング及び／又はアンチエリアスフィルタリングする第１のサブ処理（ｃ１）と、中間信号ＩＳをダウンサンプリングする第２のサブ処理（ｃ２）とに分割できる。

次のステップＳ４では、中間信号ＩＳを分類される信号Ｓと比較し、比較結果として比較データＣｏｍｐＤＡＴを生成する処理（ｄ）を実行する。このような比較は、中間信号ＩＳ及び分類される信号Ｓの入力信号ＩｎｐＳの統計的解析を含んでいてもよい。

次のステップＳ５において、所定の繰返し条件が満たされたか否かを判定し、所定の繰返し条件が満たされている場合、第６のステップＳ６において、比較データＣｏｍｐＤＡＴに基づいて、分類される信号Ｓを分類し、分類結果として分類データＣｌａｓｓＤＡＴを生成する処理（ｅ）を実行し、最後の終了ステップＳ７において、処理シーケンスを完了する。所定の繰返し条件が満たされていない場合、新たな中間信号ＩＳについて、再びステップＳ３及びステップＳ４を実行することによって更なる繰返しを実行する。

一具体例として、図２は、エッジ及び２つの均質な領域を有する信号を示している。説明を明瞭にするために、まずここでは、雑音をシミュレートせず、合計で８０個のサンプルをプロットしている。勿論、実際には、雑音が存在し、利用可能なデータもこれより多い。係数２によって間引かれた信号を図３に示す。係数２によるダウンサンプリングによって、図３の横軸の目盛は、図２でプロットされた目盛の半分になり、例えば、図３における１５の位置は、図２の３０の位置に対応している。

図４及び図５は、それぞれ、元の信号及び間引かれた信号の算出された傾きを示している。図４及び図５を比較することによって、間引きされた信号は、傾きが大きくなっていることがわかり、これは、高周波信号成分が増幅されたことを意味する。

図６及び図７は、それぞれ図２及び図３について算出された分散値を示している。信号境界領域では、分散は、ゼロに設定されている。８０個のサンプルを有するデータでは、元の信号の分散計算のためにウィンドウ長を２０に設定し、係数２によってダウンサンプリングされたデータについては、ウィンドウ長を１０に設定している。

上述のように、ローパスフィルタによって雑音分散が減少する。多くの論文に減少係数を算出する手法が教示されており、検討中のフィルタ、例えば、アンチエリアスフィルタの伝達関数をＨ（ｅ^ｊω）とすると、減少係数は、｜Ｈ（ｅ^ｊω）｜^２である。このように、雑音計算分散減少係数は、単純であり、この係数は、選択されたローパスフィルタについて値が固定されている。例えば、ハミングウィンドウによって設計された１４次アンチエリアスフィルタの｜Ｈ（ｅ^ｊω）｜^２は、０．４４７８になる。なお、この計算結果は、小数第５位以下の値もあるが、これらの桁は省略している。勿論、この省略により、演算誤差が生じる。この問題を解決するために、｜Ｈ（ｅ^ｊω）｜^２に公差範囲を導入する。

この算出された減少係数を用いて間引かれた信号の信号分散を算出した場合、すなわち、図６にこの減少係数を乗算した場合、図８のような結果が得られる。間引かれた信号から分散を直接算出した場合、図７に示すような結果が得られる。図７と図８の間の差は、明白である。エッジ領域では、算出された信号分散（図７参照）は、元の信号の分散を、アンチエリアスフィルタによる減少係数で乗算することによって算出された分散（図８参照）よりかなり大きい。このように、間引きでは、信号分散は減少しない。したがって、この事実に基づき、信号が均質な領域を高周波信号成分を含む領域から区別することができる。

間引かれた信号のサンプル数は、元の信号のサンプル数より少ない。係数２で間引きを行った場合、間引かれた信号のサンプル数は、元の信号の半分になる。間引き係数を大きくすれば、利用可能なデータサンプルは更に減る。したがって、分散計算のためのウィンドウ長も同じ間引き係数によって「間引かれる」。利用可能なデータのサンプルが少ないほど、分散、特に雑音分散の推定の精度は低くなる。この問題を解決するために、雑音分散減少係数に公差範囲、例えば、｜Ｈ（ｅ^ｊω）｜^２に等しい｜Δ｜＝２０％を導入する。勿論、この公差範囲は、上述したように、雑音分散減少係数によって生じる演算誤差に対処することも目的とする。公差範囲を導入する他の目的については、後に説明する。

図９は、領域において、高周波信号成分が支配的であるか、雑音が支配的であるかを判定し、及び雑音分散を推定するための処理を示している。図９は、間引き処理のカスケード接続（cascading）を示している。まず、外乱雑音状況によって、間引き係数の大きさを判定する。本発明者らの研究により、通常の雑音信号に対しては、問題の領域において雑音が支配的であるか、高周波信号成分が支配的であるかを判定するためには、係数２による間引きで十分であることが見出された。なお、ＳＮ比が非常に低い場合、問題の領域において雑音が支配的であるか、高周波信号成分が支配的であるかの判定を比較的容易にするために、間引き処理をカスケードする必要がある。また、本発明者らの研究によれば、低周波信号成分の検出にも間引き処理のカスケードが必要であることが見出された。

上述した手法に基づき、雑音信号も処理される。サンプル数が相対的により多い雑音信号の具体例を図１０に示す。図１０は、８００個のサンプルを含む雑音信号を示している。図１１は、この雑音信号の間引きされたバージョンを示している。図１２は、図１０に示す雑音信号について算出された分散を示している。一方、図１３は、図１１に示す雑音信号について算出された分散を示している。また、図１３では、｜Ｈ（ｅ^ｊω）｜^２を用いて算出された分散も示しており、この曲線だけは、（１＋２０％）×｜Ｈ（ｅ^ｊω）｜^２を用いて算出されている。全ての場合、境界領域では、分散は、ゼロに設定されている。

図１３から、間引かれた信号から算出されたエッジ領域の分散は、｜Δ｜＝２０％として、（１＋｜Δ｜）×｜Ｈ（ｅ^ｊω）｜^２を用いて算出された信号のエッジ領域の分散より大きいことがわかる。この情報は、高周波信号成分を含む領域を検出するために役立つ。雑音が支配的な領域を検査するために、図１３の一部を抽出し、これを図１４に示す。高周波信号成分が支配的な領域とは逆に、雑音が支配的な領域では、間引かれた信号から算出された分散は、（１＋｜Δ｜）×｜Ｈ（ｅ^ｊω）｜^２を用いて算出された分散より小さい。（１＋｜Δ｜）×｜Ｈ（ｅ^ｊω）｜^２は、公差範囲の上限となる。また、（１−｜Δ｜）×｜Ｈ（ｅ^ｊω）｜^２に基づく公差範囲の下限も必要である。下限は、通常、雑音分散値が位置によって異なる混合信号が無雑音の信号である場合に重要である。また、この具体例は、検討される領域において、高周波信号成分及び雑音のいずれが支配的であるかを判定する基準を提供し、すなわち間引かれた信号から算出された分散が、（１−｜Δ｜）×｜Ｈ（ｅ^ｊω）｜^２及び（１＋｜Δ｜）×｜Ｈ（ｅ^ｊω）｜^２を用いて算出された分散公差範囲を超えている場合、その領域は、高周波信号成分が支配的な領域として検出される。間引かれた信号から計算された分散が（１−｜Δ｜）×｜Ｈ（ｅ^ｊω）｜^２及び（１＋｜Δ｜）×｜Ｈ（ｅ^ｊω）｜^２を用いて算出された分散公差範囲内にある場合、その領域は、雑音が支配的な領域として検出される。

検討中の領域が高周波信号成分だけからなる場合、隣接する領域から算出された雑音分散値から雑音分散を補間してもよく、又は信頼できる雑音分散推定結果が得られないことを示す警告メッセージを出力してもよい。

ここで、公差範囲Δに関して、Δをゼロに設定した場合も、高周波信号成分を含む領域を高い信頼度で検出できる。しかしながら、この設定は、均質な領域検出に影響することがあり、すなわち、均質な領域を非均質な領域として誤って検出してしまうことがある。

以上では、１次元の信号についてのみ説明した。これ以上の次数の信号、例えば、２次元ブロックにおける分散計算も、原理は同じである。なお、２次元ブロックの場合、縦方向及び横方向の両方の方向について間引き処理を行う必要がある。

本発明に基づく手法は、時間／空間領域で動作し、したがって、演算負荷は、相対的に小さい。

本発明は、特に、以下のような側面を有する。

１．均質な領域を検出し、又は他の領域から均質な領域を区別する方法を提供する。

２．本発明では、利用可能なデータには、ローパスフィルタ及びダウンサンプラを含む間引き処理が施され、間引かれた信号から算出された雑音分散は、元のデータから算出された雑音分散に比べて減少するが、信号分散は、雑音分散程は減少しない。

３．本発明では、間引き処理における雑音分散減少係数は、まず、ローパスフィルタの伝達関数に基づいて算出され、この係数は、検討中の領域において、高周波信号成分及び雑音のいずれが支配的であるかを判定するための分散公差範囲を定義するために用いられる。すなわち、間引かれた信号から算出された分散が、分散公差範囲内にある場合、検討中の領域は、雑音が支配的な領域として検出され、この他の場合、検討中の領域は、高周波信号成分が支配的な領域として検出される。

４．均質な領域を検出し、又は均質な領域を他の領域から区別する方法において、項目１〜３に示す手法をカスケード接続してもよい。

５．均質な領域を検出し、又は均質な領域を他の領域から区別する方法は、雑音減少係数に公差範囲を導入することによって改善してもよい。

６．均質な領域を検出し、又は均質な領域を他の領域から区別する方法において、検討中の領域が高周波信号成分だけからなる場合、隣接する領域から算出された雑音分散値から雑音分散を補間してもよく、又は信頼できる雑音分散推定結果が得られないことを示す警告メッセージを出力してもよい。

７．均質な領域を検出し、又は均質な領域を他の領域から区別する方法は、異なる方向、例えば、横方向及び縦方向の両方に適用してもよく、１の手法をエッジ方向と非平行に適用し、動きがある場合、１の手法を動きの方向と非平衡に適用してもよい。

ここに開示した技術では、検討される信号に関する予備的な知識は、全く不要である。また、ここに開示した技術は、混合信号すなわち、異なるソースに由来する信号を処理できる。利用可能なデータが高周波信号成分だけしか含まない場合、雑音分散推定結果が間違っている可能性があることを示す警告メッセージを出すことができる。本発明に基づく手法は、複雑性が高くない。

関連文献
［Ｏｌｓｅｎ９３］ Olsen, S.I., "Estimation of noise in images: An Evaluation", CVGIP, Vol. 55, No. 4, July 1993.
［Ｐｒａｔｔ０１］ William K. Pratt, "Digital Image Processing", 3rd Edition, ISBN 0-471-37407-5, John Wiley & Sons, Inc., 2001.
［Ｈｅｎｔ９８］ C. Hentschel, "Video-Signalverarbeitung", ISBN 3-519-06250-X, B.G. Teubner Stuttgart, 1998.
［Ｄｉｌｌｙ］ A. Dilly, etc. "Image noise detection", EP1309185.

本発明の幾つかの基本的な側面を説明する好ましい実施の形態のフローチャートである。 エッジ及び均質な領域又は信号成分により分類される元の信号のグラフ図である。 図２の信号をフィルタリングし、係数２でダウンサンプリングすることによって得られる処理済の信号のグラフ図である。 図２に示す信号から導出される、得られる傾きを示すグラフ図である。 図３に示す信号から導出される傾きを示すグラフ図である。 ウィンドウ長２０で算出された、図２に示す信号の分散を示すグラフ図である。 ウィンドウ長１０で算出された図３に示す信号の分散を示すグラフ図である。 図６に示す信号から算出された、すなわち、図５にそれぞれのアンチエリアスフィルタによる減少係数を乗算することによって得られた分散を示すグラフ図である。 本発明に基づく信号分類方法及びそのシステムの実施の形態の概略的なブロック図である。 ２つのエッジ及び均質な領域又は信号成分を含む分類される信号のグラフ図である。 図１０の信号を、フィルタリングし、係数２でダウンサンプリングすることによって得られる信号のグラフ図である。 ウィンドウ長１００を用いて、図１０に示す信号から算出された分散を示すグラフ図である。 ウィンドウ長５０に基づき、基底のアンチエリアスフィルタの伝達関数を用いて間引かれた信号から算出された分散を示すグラフ図である。 図１３のグラフの詳細、すなわち、図１３のグラフの一部を示すグラフ図である。

符号の説明

ＣｌａｓｓＤＡＴ 分類データ、ＣｏｍｐＰＤＡＴ 比較データ、Ｈ ローパスフィルタ／アンチエリアスフィルタの伝達関数、ＩｎｐＳ 入力信号、ＩＳ 中間信号、Ｓ 信号、分類される信号

Claims (20)

1. 信号を分類する信号分類方法において、所定の順序で、
   （ａ）分類される信号（Ｓ）を入力信号（ＩｎｐＳ）として準備又は受信するステップと、
   （ｂ）上記入力信号（ＩｎｐＳ）又はその一部又は複数の部分を中間信号（ＩＳ）又はその各一部又は複数の各部分として用いるステップと、
   （ｃ）上記中間信号（ＩＳ）又はその一部又は複数の部分を間引き、処理済の信号（ＰＳ）を生成し、該処理済の信号（ＰＳ）を新たな中間信号（ＩＳ）として用いるステップと、
   （ｄ）上記中間信号（ＩＳ）又はその一部又は複数の部分を、上記分類される信号（Ｓ）又はその各一部又は複数の各部分と比較し、比較結果として、比較データ（ＣｏｍｐＤＡＴ）を生成するステップと、
   （ｅ）上記比較データ（ＣｏｍｐＤＡＴ）に基づいて、上記分類される信号（Ｓ）又はその一部又は複数の部分を分類し、分類結果として、分類データ（ＣｌａｓｓＤＡＴ）を生成するステップとを有する信号分類方法。
2. 上記中間信号（ＩＳ）を間引くステップ（ｃ）は、マルチレート信号処理及び／又はマルチレゾリューション信号処理に基づいて実行されることを特徴とする請求項１記載の信号分類方法。
3. 上記中間信号（ＩＳ）を間引くステップ（ｃ）は、
   （ｃ１）上記中間信号（ＩＳ）をローパスフィルタリング及び／又はアンチエリアスフィルタリングするサブステップと、
   （ｃ２）所定の順序で上記中間信号（ＩＳ）をダウンサンプリングするサブステップとを有することを特徴とする請求項１又は２記載の信号分類方法。
4. 上記中間信号（ＩＳ）を間引くステップ（ｃ）又は上記各サブステップ（ｃ１）、（ｃ２）は、
   高周波成分、雑音成分及び／又はその各分散を低減し、
   上記中間信号（ＩＳ）の有用な信号成分を実質的に変更しないように維持し、又は上記中間信号（ＩＳ）の上記有用な信号成分を比較的より少量又は比較的少量だけ変更し又は変更しないことを特徴とする請求項１乃至３いずれか１項記載の信号分類方法。
5. 上記比較するステップ（ｄ）及び／又は分類するステップ（ｅ）は、間引き処理の前後の傾きの値に関する傾き推定の処理に基づいて行われることを特徴とする請求項１乃至４いずれか１項記載の信号分類方法。
6. 上記中間信号（ＩＳ）を間引くステップ（ｃ）又はローパスフィルタリング及び／又はアンチエリアスフィルタリングを行うサブステップ（ｃ１）は、ハミングウィンドウを含むウィンドウ化処理に基づいて実行されることを特徴とする請求項１乃至５いずれか１項記載の信号分類方法。
7. 上記中間信号（ＩＳ）を間引くステップ（ｃ）、上記中間信号（ＩＳ）を比較するステップ（ｄ）及び／又は上記信号（Ｓ）を分類するステップ（ｅ）は、解像度、スケール又はレートのうちの少なくとも１つの次のレベルまで、及び／又は所定の繰返し停止条件が満たされるまで繰り返し実行されることを特徴とする請求項１乃至６いずれか１項記載の信号分類方法。
8. 上記中間信号（ＩＳ）を、上記分類される信号（Ｓ）と比較するステップ（ｄ）は、高周波成分のレベルにおける各雑音レベル及び／又はその各分散の比較を含むことを特徴とする請求項１乃至７いずれか１項記載の信号分類方法。
9. 予め定義された手法で、各閾値及び／又は各閾値条件に基づいて、繰返し、各繰返し停止条件及び／又は上記中間信号（ＩＳ）を、上記分類される信号（Ｓ）と比較するステップ（ｄ）が実行されることを特徴とする請求項７又は８記載の信号分類方法。
10. 上記比較データ（ＣｏｍｐＤＡＴ）及び／又は分類データ（ＣｌａｓｓＤＡＴ）に基づいて、均質な領域又は信号成分が検出され、及び／又は、雑音及び／又は高周波成分のコンテンツに関して、他の領域又は信号成分から区別されることを特徴とする請求項１乃至９いずれか１項記載の信号分類方法。
11. 上記中間信号（ＩＳ）を間引くステップ（ｃ）又はローパスフィルタリング及び／又はアンチエリアスフィルタリングを行うサブステップ（ｃ１）は、実行されるローパスフィルタ及び／又はアンチエリアスフィルタの伝達関数（Ｈ）に基づいて、事前推定されることを特徴とする請求項１乃至１０いずれか１項記載の信号分類方法。
12. 上記分類される信号（Ｓ）の領域又は信号成分において、高周波信号成分及び雑音のいずれが支配的であるかを判定するために、基底のフィルタのそれぞれの伝達関数（Ｈ）を用いて、変化率、分散範囲及び分散公差範囲の少なくとも１つを定義することを特徴とする請求項１１記載の信号分類方法。
13. 上記領域又は信号成分は、上記間引かれた中間信号（ＩＳ）から算出された分散が分散公差範囲内にある場合、雑音が支配的であると分類され、
    この他の場合、該検討中の領域又は信号成分は、高周波信号成分が支配的であると分類されることを特徴とする請求項１２記載の信号分類方法。
14. カスケードの処理によって、上記領域又は信号成分は、均質であると判定され、又は均質であるとして、他の領域又は信号成分から区別されることを特徴とする請求項１乃至１３いずれか１項記載の信号分類方法。
15. 雑音低減率に公差範囲を導入することを特徴とする請求項１乃至１４いずれか１項記載の信号分類方法。
16. 上記領域又は信号成分が高周波信号成分だけを含む場合、隣接する領域又は信号成分から算出された雑音分散値から雑音分散を補間し、及び／又は
    上記領域又は信号成分が高周波信号成分だけを含む場合、信頼できる雑音分散推定結果が得られないことを通知する警告メッセージを生成することを特徴とする請求項１乃至１５いずれか１項記載の信号分類方法。
17. 音響信号、音声信号、画像、画像のシーケンスを含む１次元信号、２次元信号及び／又は３次元信号からなる信号のグループに適用されることを特徴とする請求項１乃至１６いずれか１項記載の信号分類方法。
18. 請求項１乃至１７いずれか１項記載の信号分類方法及びそのステップを実現するよう適応化され、該信号分類方法及びそのステップ実現するための手段を備える信号分類システム、装置又は機器。
19. コンピュータ又はデジタル信号処理手段に、請求項１乃至１７いずれか１項記載の信号分類方法及びそのステップを実行させるコンピュータプログラム。
20. 請求項１９記載のコンピュータプログラムを記録したコンピュータにより読取可能な媒体。

Images