JP2009535998A - ブラインド信号源分離（ｂｓｓ）の向上技術 - Google Patents

Abstract

本開示は、ブラインド信号源分離（ＢＳＳ）法の性能を向上させることのできる信号処理技術を記述する。詳細には、記述する技術は、ＢＳＳ法の実行前に異なる信号を相互に無相関化するために役立つ前処理ステップを提示する。加えて、記述する技術は、ＢＳＳ法の実行後に異なる信号をさらに無相関化することのできる、任意選択の後処理ステップも提案する。これらの技術は、例えば、相互に空間的に近接している２つのマイクロホンなどからの高度に相関する音声信号を用いてＢＳＳ性能を向上させるために特に役立つ。
【選択図】図３

Description

関連出願の相互参照

本出願は、参照によりこれの全内容が本明細書に組み込まれる、２００６年５月２日に出願した米国仮出願第６０／７９７，２６４号の利益を主張するものである。

本開示は信号処理に関し、より詳細には、ブラインド信号源分離（ＢＳＳ）法と関連して使用される処理技術に関する。

多くの信号処理用途において、異なる信号がしばしば雑音で損なわれる。この雑音には、背景雑音、外乱、干渉、クロストーク、または記録される信号への不要な付加信号などが含まれる。したがって、信号を強化するためには雑音を低減し、または除去することが望ましい。音声通信処理では、雑音低減のための信号処理をしばしば音声強化(speech enhancement)と呼ぶ。

ブラインド信号源分離（ＢＳＳ）を使用すれば、各源信号の複数の独立の混合信号を使って独立の源信号を復元することができる。２つの信号を分離するためには、独立の混合信号を生成するのに２つ以上のセンサが必要である。各センサは異なる場所に配置され、センサごとに源信号の混合である信号を記録する。しかし、各センサは異なる場所において情報を記録するため、記録される信号は相互に独立のものである。ＢＳＳアルゴリズムはこれらの信号を、両センサによって記録された共通情報の空間ダイバーシティを明示するこれらの信号の差を利用して分離するために使用される。音声通信処理においては、異なるセンサは、記録される音声の音源に対して異なる場所に配置されたマイクロホンを備える。

発明の概要

本開示は、ブラインド信号源分離（ＢＳＳ）法の性能を向上させることのできる信号処理技術を記述する。詳細には、記述する技術は、ＢＳＳ法の実行前に独立のセンサ信号を相互に無相関化(de-correlate)するために役立つ前処理ステップを含む。加えて、記述する技術は、ＢＳＳ法の実行後に異なる信号をさらに無相関化することのできる任意選択の後処理ステップを含む。ＢＳＳ法は、例えば、相互に空間的に近接している２つのマイクロホンによって記録された音声信号など、高度に相関する音声信号を用いてＢＳＳ性能を向上させるために特に役立つ。

一実施形態において、本開示は、第１のセンサと関連付けられた第１の信号および第２のセンサと関連付けられた第２の信号を受け取ることと、第２の信号を前処理して第２の信号と第１の信号を無相関化することと、第１の信号にＢＳＳ法を適用して第１のＢＳＳ信号を生成することと、前処理された第２の信号にＢＳＳ法を適用して第２のＢＳＳ信号を生成することとを備える方法を記述する。

別の実施形態において、本開示は、第１の信号を生成する第１のセンサおよび第２の信号を生成する第２のセンサと、第２の信号を前処理して第２の信号と第１の信号を無相関化する前処理ユニットと、第１の信号と前処理された第２の信号とにＢＳＳ法を適用して、それぞれ、第１のＢＳＳ信号と第２のＢＳＳ信号とを生成するＢＳＳユニットとを備える機器を記述する。任意選択で、この機器は、ＢＳＳ信号をさらに無相関化する後処理ユニットを含んでもよい。

別の実施形態において、本開示は、第１の信号を生成する手段と、第２の信号を生成する手段と、第２の信号を前処理して第２の信号を第１の信号と無相関化する手段と、第１の信号と前処理された第２の信号とにＢＳＳ法を適用して、それぞれ、第１のＢＳＳ信号と第２のＢＳＳ信号とを生成する手段とを備える装置を記述する。任意選択で、ＢＳＳ信号をさらに無相関化するために、ＢＳＳ信号を後処理する手段がＢＳＳ信号の一方または両方に適用されてもよい。

本開示で記述する上記および上記以外の技術は、ハードウェア、ソフトウェア、ファームウェア、またはこれらの任意の組み合わせとして実施され得る。ソフトウェアとして実施される場合、このソフトウェアは、ディジタル信号プロセッサ（ＤＳＰ）または別種のプロセッサにおいて実行される。これらの技術を実行するソフトウェアは、初めに機械可読媒体に格納され、ＢＳＳ法を効果的に向上させるためにプロセッサにロードされ、プロセッサにおいて実行される。

したがって、本開示では、それが実行されると第１の信号および第２の信号を受け取り、第２の信号を前処理して第２の信号を第１の信号と無相関化し、第１の信号と前処理された第２の信号とにＢＳＳ法を適用して、それぞれ、第１のＢＳＳ信号と第２のＢＳＳ信号とを生成する命令を備える機械可読媒体も企図されている。

様々な実施形態のさらなる詳細を添付の図面および以下の説明に示す。他の特徴、目的および利点は、以下の説明および図面ならびに特許請求の範囲から明らかになろう。

詳細な説明

本開示は、ブラインド信号源分離（ＢＳＳ）法の性能を改善することのできる信号処理技術を記述する。詳細には、説明する技術は、他の点では通常のＢＳＳ法を実行する前に独立のセンサ信号を相互に無相関化するために役立つ前処理ステップを含む。加えて、説明する技術は、ＢＳＳ法を実行した後で分離された信号をさらに無相関化することのできる任意選択の後処理ステップを含む。本明細書で説明する技術は、例えば、相互に空間的に近接している２つのマイクロホンによって記録された音声信号など、高度に相関する音声信号を用いてＢＳＳアルゴリズムの性能を向上させるために特に役立つ。

ＢＳＳアルゴリズムの中には、特に、２つのセンサが相互に非常に近くに位置するときには有効性が限られるものもある。例えば、音声強化を行うハンドヘルド式機器では、異なるマイクロホンが相互に空間的に近接して位置するマイクロホン配列を有することが望ましい。実際、携帯電話機などの無線通信機器を含むハンドヘルド式機器は、一般に、ユーザの便宜を図るために小型フォームファクタを用いて設計されており、これにより異なるマイクロホンが空間的に近接しているためにＢＳＳとっての問題が生じる。

一般に、ＢＳＳは、独立の信号を、これらの信号の複数の混合信号を使って分離するために使用される。本開示で説明する技術では、他の点では通常のＢＳＳアルゴリズムでの使用に対する改善が記述される。説明する技術は、前処理手順の一部として適応フィルタを使って記録された信号を無相関化する。次いで、前処理の一部として無相関化された信号を校正する。校正の後、情報最大化に基づくＢＳＳフィードバックアーキテクチャを使って無相関化された信号が分離される。任意選択で、後処理手順の一部として第２の適応フィルタを使って信号をさらに無相関化することにより信号分離性能をさらに向上させてもよい。

図１は、本開示で説明する前処理法および後処理法によって改善され得るＢＳＳ法を実行する機器１０を示すブロック図である。ＢＳＳは、独立成分分析(independent component analysis)（ＩＣＡ）とも呼ばれ、信号の複数の混合に基づいてこれらの信号を分離するのに使用することができる。分離プロセスの間には、源信号の混合信号であるいくつかの記録されたセンサ信号が用意される。通常は、混合プロセスに関する情報は利用できず、源信号の直接測定も利用できない。場合によっては源信号の一部または全部の事前統計情報が利用できる。

ＢＳＳは、これが多くの信号処理問題において潜在的価値を有するために、研究者らから幅広い注目を集めている。ＢＳＳには、通信、音声強化、雑音低減、心電図（ＥＣＧ）および脳電図（ＥＥＧ）の処理を含む生体信号処理などの様々な分野における潜在的用途がある。本明細書で説明する技術は、小型フォームファクタがマイクロホンの配置を制限する無線通信機器における音声用途に特に有用である。しかし、これらの技術は音声用途だけに限定されるものではなく、他の信号処理用途や、他の機器でも役立つものである。

いくつかのＢＳＳ手法の中でも関心が高いのは情報最大化ベースの方法(information maximization based method)である。というのは、この方法が単純であり、固定小数点プラットフォーム上でのリアルタイムの実施に適するからである。このようなＢＳＳ手法は、畳み込み混合信号を分離するために使用される。詳細には、フィードバッククロスフィルタを使って畳み込み混合信号を分離する。

図１に示すように、機器１０はセンサユニット１２およびＢＳＳユニット１４を含む。変数Ｓ_１（ｔ）およびＳ_２（ｔ）は２つの独立の源信号を表す。フィルタｈ_１１（ｔ）、ｈ_１２（ｔ）、ｈ_２１（ｔ）、ｈ_２２（ｔ）は、各センサと各信号源の間の畳み込み経路を表す。センサ１６Ａおよびセンサ１６Ｂは加算器として示されているが、より一般的には、異なる場所に位置する、マイクロホンなどの２つの異なるセンサを表す。音声強化において使用される場合には、センサ１６Ａおよびセンサ１６Ｂが全指向性マイクロホンを備えることが費用効果的であって望ましい。

信号Ｓ_１（ｔ）は、センサ１６Ａに到達する前に経路ｈ_１１（ｔ）と絡み、センサ１６Ｂに到達する前に経路ｈ_１２（ｔ）と絡む。同様に、信号Ｓ_２（ｔ）はセンサ１６Ａに到達する前にｈ_２１（ｔ）経路と絡み、センサ１６Ｂに到達する前に経路ｈ_２２（ｔ）と絡む。センサ１６Ａおよびセンサ１６Ｂは、個々の情報を取り込んで、それぞれ信号ｘ_１（ｔ）と信号ｘ_２（ｔ）を生成する。次いで、ＡＤＣ１７ＡおよびＡＤＣ１７Ｂが、それぞれ信号Ｘ_１（ｚ）と信号Ｘ_２（ｚ）を生成する。よって、信号Ｘ_１（ｚ）および信号Ｘ_２（ｚ）はアナログ／ディジタル変換後のディジタル領域の信号である。これらの信号Ｘ_１（ｚ）およびＸ_２（ｚ）は、ブラインド信号源分離を行うためにＢＳＳユニット１４に供給される。

詳細には、ＢＳＳユニット１４は、フィードバッククロスフィルタリング法を実施する。Ｘ_１（ｚ）は、伝達関数Ｗ_１１（ｚ）を有するフィルタに供給され、次いで加算器１８Ａに供給される。Ｘ_２（ｚ）も同様に伝達関数Ｗ_２２（ｚ）を有するフィルタに供給され、次いで加算器１８Ｂに供給される。加算器１８Ａの出力は、伝達関数Ｗ_１２（ｚ）を有する別のフィルタに供給されてから、加算器１８Ｂにフィードバックされる。加算器１８Ｂの出力は、伝達関数Ｗ_２１（ｚ）を有する別のフィルタに供給されてから、加算器１８Ｂにフィードバックされる。図１において、変数Ｓ’_１（ｚ）および変数Ｓ’_２（ｚ）はＢＳＳユニット１４の出力を表し、これらは、通常、源信号Ｓ_１（ｔ）およびＳ_２（ｔ）に似ており、ＢＳＳユニット１４への入力信号Ｘ_１（ｚ）およびＸ_２（ｚ）よりもはるかに良好に分離されたものである。

伝達関数Ｗ_１２（ｚ）およびＷ_２１（ｚ）で表されるフィルタは、最小二乗平均（ＬＭＳ）のような適応フィルタリングアルゴリズムを使って実施することができる。このようなフィルタリングの詳細については、以下の図２の考察においてさらに詳細に論じる。必要ならば、フィルタ係数更新の間にΨ（・）で表される非線形伝達関数（図１には示さない）を使用することもできる。関数Ψ（・）の可能な形には、Ψ（ｘ）＝ｔａｎｈ（ｘ）、Ψ（ｘ）＝｜ｘ｜、およびΨ（ｘ）＝２Ｐ_Ｘ（ｘ）−１が含まれ、式中、Ｐ_Ｘ（ｘ）は確率変数(random variable)Ｘの累積分布関数(cumulative distribution function)（ｃｄｆ）である。しかし、Ψ（・）で表される関数は簡単にするために図１には示していない。

伝達関数Ｗ_１１（ｚ）およびＷ_２２（ｚ）は、ＢＳＳ法と適合するいくつかの形を取り得る。しかし、さらに簡単にするために、以下の考察ではアルゴリズムの性能を損なわずにＷ_１１（ｚ）およびＷ_２２（ｚ）をスカラーで置き換えることができる。したがって、以下の考察では、これら２つの伝達関数を１であると設定し、後続の各図から省かれる。

ＢＳＳユニット１４によって実施されるようなＢＳＳアルゴリズムは、実施するのが非常に簡単であり、多くの場合かなり良好な分離性能をもたらす。しかし、このようなアルゴリズムは、各記録が高度に相関するときには収束が困難になる。この問題が生じると、ＢＳＳアルゴリズムは、全信号中で最も目立つ成分を無効にしようとする。音声強化では、最も目立つ成分が、求められる音声信号である可能性が最も高い。このために、本開示では、これらの潜在的問題に対処するための前処理ユニットを実施する。

場合によっては、ＢＳＳユニット１４によって実施されるようなＢＳＳアルゴリズムは、信号を分離するのに利用可能な情報を十分に活用しないこともある。このような場合には、ＢＳＳユニット１４による分離後にもなお、分離信号間の相関が認められることがある。これは、アルゴリズムの性能をさらに改善する余地を残す。このために、本開示では、さらなる無相関化を提供する後処理ユニットも実施する。以下で説明する改善されたＢＳＳ法は、音声通信における複数マイクロホンの雑音低減の場合のように、ただ１つの源信号が求められる適用例で特に有用である。

一般に、ＢＳＳアルゴリズムでは、すべての信号が独立の確率変数として扱われる。信号のブラインド分離に使用される仮定は、すべての確率変数が相互に統計的に独立である、すなわち、すべての確率変数の同時分布はすべての個々の確率変数の積であるというものである。この仮定は以下の式で表すことができる。

式中、

はすべての確率関数Ｓ_１，…Ｓ_ｍの同時分布であり、

は第ｊの確率変数Ｓ_ｊの分布である。

ＢＳＳ問題は、混合プロセスが瞬間行列混合(instantaneous matrix mixing)としてモデル化できる場合には、瞬間ＢＳＳ問題と呼ぶこともでき、これは以下の式で表される。

式中、

はｍ×１ベクトルであり、

はｎ×１ベクトルであり、Ａはｎ×ｍスカラー行列である。分離プロセスでは、ｍ×ｎスカラー行列Ｂが計算され、これを使って信号

が、任意の順列および任意のスケーリングまで

に類似するように再構築される。すなわち、行列ＢＡを、行列Ｐを順序行列とし行列Ｄを対角行列とするＰＤに分解することができる。順序行列とは、同じ次元の恒等行列を並べ替えることによって導出される行列である。対角行列とは、これの対角線上に非ゼロのエントリだけを有する行列である。対角行列Ｄは、恒等行列である必要はないことに留意されたい。ｍ個の信号源すべてが相互に独立である場合、行列Ｄの対角線上にはゼロエントリはないはずである。一般に、完全な信号分離のためにはｎ≧ｍであることが必要である。

残念ながら、実際には、瞬間混合を使ってモデル化することのできる問題はほとんどない。信号は、典型的には、図１に示すように非理想的通信路を伝わった後でセンサによって記録される。この場合、問題は、畳み込みＢＳＳ問題として考察される。これの混合プロセスは以下のようにモデル化することができる。

ここで、ｓ_ｊ（ｔ）は第ｊの信号源であり、ｘ_ｉ（ｔ）は第ｉのセンサによる測定値である。伝達関数ｈ_ｉｊ（ｔ）は第ｊの信号源と第ｉのセンサの間の伝達関数である。記号

は畳み込みを表す。源信号

を復元するためには別のフィルタセットＷ_ｉｊ（ｚ）が必要である。

復元式は以下の通りである。

ここではＺ領域表現が使用されるが、これは分離プロセスがディジタル信号領域で実行されるからである。瞬間混合問題と同様に、Ｓ’（ｚ）は、源信号

の離散(discrete)表現である

に、任意の順列および任意の畳み込みまで類似している。混合伝達関数ｈ_ｉｊ（ｔ）が離散表現Ｈ_ｉｊ（ｔ）を使って表される場合、システム全体を式、
Ｗ（ｚ）Ｈ（ｚ）＝ＰＤ（ｚ）
として表すことができ、式中、

である。Ｐは順序行列であり、Ｄ（ｚ）は対角伝達関数行列である。Ｄ（ｚ）の対角線上の各要素は、瞬間ＢＳＳ問題で表されるようなスカラーではなく伝達関数である。一方、瞬間ＢＳＳにおける完全な分離のための要件、ｍ≧ｎは、畳み込みＢＳＳにおいてもやはり該当する。

本開示によれば、２つのセンサが使用されると仮定される。すべての源信号のうち、対象とみなされ、強化される必要があるのはただ１つの信号だけである。とはいえ、２センサ構成に焦点を当てはするが、この結果は、複数センサ構成および複数対象信号に容易に拡張することができる。

図１に戻って、ＢＳＳユニット１４によって実施されるアルゴリズムの出力は以下の式で表すことができる。

Ｓ’_１（ｚ）＝Ｗ_１１（ｚ）Ｘ_１（ｚ）＋Ｗ_２１（ｚ）Ｓ’_２（ｚ）
Ｓ’_２（ｚ）＝Ｗ_２２（ｚ）Ｘ_２（ｚ）＋Ｗ_１２（ｚ）Ｓ’_１（ｚ）
上記のように、Ｗ_１１（ｚ）およびＷ_２２（ｚ）は、アルゴリズムの性能に関与しないため、１のようなスカラーに設定することができる。以下において、図１に示すＷ_１１（ｚ）およびＷ_２２（ｚ）は、後の図では１に設定されており、加算されてもよいが表示されない。この場合、ＢＳＳユニット１４によって実施されるこのアルゴリズムの出力は以下の式で表すことができる。

Ｓ’_１（ｚ）＝Ｘ_１（ｚ）＋Ｗ_２１（ｚ）Ｓ’_２（ｚ）
Ｓ’_２（ｚ）＝Ｘ_２（ｚ）＋Ｗ_１２（ｚ）Ｓ’_１（ｚ）
場合によっては、Ｗ_１２（ｚ）およびＷ_２１（ｚ）は、最小二乗平均（ＬＭＳ）のような適応フィルタリングアルゴリズムを使って適応させることもできる。１つの可能なフィルタ更新式を以下に示す。

および

式中、

は時刻ｔにおける２つのフィルタである。変数ｓ’_１（ｔ）およびｓ’_２（ｔ）は、時刻ｔにおけるフィルタリングされた出力である。また、これらはそれぞれ、Ｓ’_１（ｔ）とＳ’_２（ｔ）の離散表現でもある。変数μは更新ステップサイズであり、φ（・）は非線形関数（図１に示していない）である。例えば、変数φ（・）で表される伝達関数は、シグモイド関数、双曲線正接関数または符号関数である。また、−１と１の間で評価される別の単調関数とすることもできる。

と

とは、それぞれ、時刻ｔにおけるフィルタ

とフィルタ

への入力である。すなわち、

であり、式中、Ｍは２つのフィルタの長さである。

図２は、本開示の一実施形態による、他の点では通常のＢＳＳ法に対して前処理法および後処理法を実行する機器２０を示すブロック図である。詳細には、機器２０は、前処理ユニット２２と、ＢＳＳユニット２４と、後処理ユニット２６とを含む。ＢＳＳユニット２４は、図１のＢＳＳユニット１４と比べて簡略化されているが、任意のＢＳＳ法と適合する追加の構成要素を備えていてもよい。いずれにせよ、ＢＳＳユニット２４は、一般に、他の点では通常のＢＳＳアルゴリズムを実行する構成要素を備える。しかし、前処理ユニット２２は、信号を前処理することにより、通常のＢＳＳ法を実行する前に無相関化を改善するようにＢＳＳ法を修正する。加えて、後処理ユニット２６も、通常のＢＳＳ法の後で信号のさらなる無相関化を達成するようにＢＳＳアルゴリズムを修正する。後処理ユニット２６は実施形態によっては任意選択である。

図２において、信号Ｘ_１（ｚ）および信号Ｘ_２（ｚ）は、２つの異なるセンサからの信号であり、例えば、２つの全指向性マイクロホンなど、２つの異なるマイクロホンからの音声信号などである。第１の信号Ｘ_１（ｚ）はＢＳＳユニット２４の加算器３２Ａに送られ、前処理ユニット２２にも送られる。前処理ユニット２２では、適応フィルタ４２を使ってＸ_１（ｚ）がフィルタリングされ、適応フィルタ４２の出力が、減算ユニット４４によってＸ_２（ｚ）から減算されてＸ_２‘（ｚ）が生成される。適応フィルタ４２（「Ｇ（ｚ）」）は、比較的少数のタップ、例えば３タップ程度を含む。Ｘ_２‘（ｚ）は、これが本質的にＸ_１（ｚ）のフィルタリング後のＸ_１（ｚ）とＸ_２（ｚ）の差を表すものである限りにおいて、主として雑音を含む。また、Ｘ_２‘（ｚ）は、適応フィルタ４２を制御するためのフィードバックとしても使用される。

校正ユニット４６は、Ｘ_２‘（ｚ）およびＸ_１（ｚ）を使って校正係数「ｃ」を生成する。具体的には、校正ユニット４６は、Ｘ_１（ｚ）を時間セグメントに分割し、ある期間にわたるエネルギーを監視することによってＸ_１（ｚ）におけるノイズフロアを求める。この期間にわたる最小エネルギーが、Ｘ_１（ｚ）のノイズフロアとして設定される。校正ユニット４６は、同様に、例えば、Ｘ_２‘（ｚ）をセグメントに分割し、ある期間にわたるエネルギーを監視し、Ｘ_２‘（ｚ）の最小エネルギー値をノイズフロアとして識別するなどによって、Ｘ_２‘（ｚ）におけるノイズフロアを求める。Ｘ_１（ｚ）のノイズフロアとＸ_２‘（ｚ）のノイズフロアの比で校正係数「ｃ」が設定され、この係数を使ってＸ_２‘（ｚ）をスケーリングして、Ｘ_２”（ｚ）がＸ_１（ｚ）と類似のノイズフロアを有するようにすることができる。乗算ユニット４８は、Ｘ_２‘（ｚ）に校正係数「ｃ」を適用して、本明細書で第２の信号Ｘ_２（ｚ）の前処理バージョンと呼ぶＸ_２”（ｚ）を生成する。

前処理された第２の信号Ｘ_２”（ｚ）は、元の第１の信号Ｘ_２（ｚ）よりもさらにＸ_１（ｚ）と無相関化されている。このため、前処理ユニット２２は、ＢＳＳユニット２４によって実行されるブラインド信号源分離の性能を改善することができる。ＢＳＳユニット２４は、全体としては図１のＢＳＳユニット１４と同様に動作するが、信号Ｘ_２（ｚ）ではなく、前処理された第２の信号Ｘ_２”（ｚ）を使って動作する。フィルタＷ_１２（ｚ）は、第１の信号Ｘ_１（ｚ）に最小二乗平均（ＬＭＳ）適応フィルタリングを適用し、加算器３２Ｂは、ＬＭＳ適応フィルタリング処理された第１の信号と前処理された第２の信号Ｘ_２”（ｚ）を合算する。同様に、フィルタＷ_２１（ｚ）は、第２の信号Ｘ_２”（ｚ）にＬＭＳ適応フィルタリングを適用し、加算器２Ａは、ＬＭＳ適応フィルタリングされ、前処理された第２の信号と第１の信号Ｘ_１（ｚ）を合算する。

上述のように、適応フィルタ４２は多くのタップを必要としない。多くの用途では、１〜３タップで十分である。３タップが使用される場合、１つの非因果的タップ(non-causal tap)をもっぱら異なるセンサ構成に使用する、すなわち、信号Ｘ_２（ｚ）に１サンプルの遅延を加えることが望ましい。特に、タップがより多いと、実際には信号間の空間ダイバーシティを必要以上に除去することにより畳み込みＢＳＳアルゴリズムの性能を低下させることになり得る。したがって、性能上の理由で３以下のタップが好ましい。

適応フィルタ４２の出力は以下のように表すことができる。

式中、τは信号Ｘ_２（ｚ）に加えられる遅延であり、ｇ_ｔ（ｉ）は時刻ｔにおける第ｉフィルタ係数であり、Ｎは適応フィルタの長さである。適応フィルタ４２は、以下の式を使って更新することができる。

式中、

は時刻ｔにおける適応フィルタ４２のフィルタ係数を表し、ｘ’_２（ｔ）は時刻ｔにおけるフィルタ出力であり、μは適応ステップサイズであり、

はフィルタＧ（ｚ）への入力である。

多くの場合、適応フィルタ４２の出力レベルは、信号Ｘ_１（ｚ）と信号Ｘ_２（ｚ）の間の差が非常に小さいために非常に低い。この信号がＢＳＳアルゴリズムに直接供給される場合、ＢＳＳアルゴリズムは２つの通信路上の励起が均衡を欠くために収束するのが非常に遅くなる傾向にある。したがって、本明細書で説明するように、この信号をある一定のレベルまで校正してＢＳＳアルゴリズムの収束を加速させることが望ましい。詳細には、誤差信号中の雑音レベルが１次マイクロホン信号の雑音レベルと類似したものになるように誤差信号を校正することができる。具体的には、Ｌ_１がＸ_１（ｚ）におけるノイズフロアレベルを表し、Ｌ_２がＸ’（ｚ）におけるノイズフロアレベルを表す場合、校正係数ｃは以下になるように選択することができる。

ＢＳＳユニット２４の出力を本明細書ではＢＳＳ信号と呼ぶ。場合によっては、これらの出力が相互に無相関化されている最終処理信号を備えることもあり、この場合には、後処理ユニット２６を省くことができる。しかし、後処理ユニット２６を実装することによってＢＳＳアルゴリズムの性能はさらに改善される。

一般に、信号分離プロセスの後には２つの信号が生成され、これらもやはりＢＳＳ信号と呼ばれる。第１のＢＳＳ信号は加算器３２Ａの出力であり、主に、対象とされる信号および他のすべての信号のある程度減衰された部分を含む。音声強化の適用例では、この第１のＢＳＳ信号は、減衰された雑音を伴う記録音声を含む。第１のＢＳＳ信号中の雑音の低減の程度は、音声信号および雑音の環境および特性によって変化し得る。第２のＢＳＳ信号は加算器３２Ｂの出力であり、主に雑音を、減衰されている対象とされる信号（２つの異なるマイクロホンで検出された音声などの）と共に含む。

多くの場合、第１のＢＳＳ信号と第２のＢＳＳ信号との間には依然として相関がある。この相関をさらに利用して、対象となる信号、例えば音声信号などが改善されてもよい。この目的で、後処理ユニット２６を使って第１のＢＳＳ信号と第２のＢＳＳ信号とをさらに無相関化することができる。

詳細には、図２に示すように、後処理ユニット２６は、加算器３２Ｂからの出力である第２のＢＳＳ信号をフィルタリングする適応フィルタ５２を含む。第１のＢＳＳ信号は、加算器３２Ａからの出力であり、遅延回路５４によって遅延される。次いで、適応的にフィルタリングされた第２のＢＳＳ信号（適応フィルタ５２からの出力）が、減算ユニット５６により、遅延された第１のＢＳＳ信号（遅延回路５４からの出力）から減算される。Ｓ_１‘（ｚ）は、前処理、ＢＳＳ法および後処理の後の入力信号Ｘ_１（ｚ）と関連付けられた出力を表す。同様に、Ｓ_２‘（ｚ）は、前処理、ＢＳＳ法および後処理の後の入力信号Ｘ_２（ｚ）と関連付けられた出力を表す。また、Ｓ_１‘（ｚ）信号は、適応フィルタ５２を制御するためのフィードバックとしても使用される。

図２の機器２０では、２つの信号のうちの１つだけ、すなわち、不要な雑音が除去された入力信号Ｘ_１（ｚ）を表す信号Ｓ_１‘（ｚ）が要求される。この場合、他方の出力信号Ｓ_２‘（ｚ）は単に適応フィルタ５２への入力として使用される。前述のように、遅延回路５４の後で、対象信号Ｓ_１‘（ｚ）は、適応フィルタ５２への参照として使用される。適応フィルタ５２の適応は、前処理ユニット２２における適応フィルタ４２の適応と同様のものとすることができる。後処理ユニット２６は音声強化で特に有用であり、音声強化では、典型的には全指向性マイクロホンである２つの異なるマイクロホンを使って１つの強化された音声信号が生成される。この場合、強化された音声信号がＳ_１‘（ｚ）として出力される。

図３に本開示の一実施形態による機器６０の別の実施形態を示す。図３の機器６０は図２の機器２０とよく似たものである。しかし、機器６０においては、図２の参照して論じたような信号Ｓ_１‘（ｚ）だけが対象となるのではなく、両方の信号（Ｓ_１”（ｚ）およびＳ_２”（ｚ））が対象となる。したがって、図３では、異なる後処理ユニット７０が使用される。図３において、前処理ユニット２２およびＢＳＳユニット２４は図２のものと同一であり、よって以下ではこれらの構成要素の説明を繰り返さない。後処理ユニット７０は図２のユニット２６と類似するが、基本的に、信号経路の一方だけではなく両方の信号経路上で同様の機能を果たす。

図３において後処理ユニット７０は、２つの適応フィルタ７４Ａおよび７４Ｂと、２つの遅延回路７５Ａおよび７５Ｂとを含む。適応フィルタ７５Ｂは、加算器３２Ｂからの出力である第２のＢＳＳ信号をフィルタリングする。第１のＢＳＳ信号は、加算器３２Ａからの出力であり、遅延回路７４Ａによって遅延される。次いで、適応的にフィルタリングされた第２のＢＳＳ信号（適応フィルタ７５Ｂからの出力）が、減算ユニット７７Ａによって、遅延された第１のＢＳＳ信号（遅延回路７４Ａからの出力）から減算される。Ｓ_１”（ｚ）は、図３に示す前処理、ＢＳＳ法および後処理の後の入力信号Ｘ_１（ｚ）と関連付けられた出力を表す。また、Ｓ_１”（ｚ）信号は、適応フィルタ７５Ｂを制御するためのフィードバックとしても使用されるが、このフィードバックは、図を簡単にするために図示していない。

第２の信号経路も同様に処理される。詳細には、適応フィルタ７５Ａが、加算器３２Ａからの出力である第１のＢＳＳ信号をフィルタリングする。第２のＢＳＳ信号は、加算器３２Ｂからの出力であり、遅延回路７４Ｂによって遅延される。次いで、適応的にフィルタリングされた第１のＢＳＳ信号（適応フィルタ７５Ａからの出力）が、減算ユニット７７Ｂによって、遅延された第２のＢＳＳ信号（遅延回路７４Ｂからの出力）から減算される。Ｓ_２”（ｚ）は、図３に示す前処理、ＢＳＳ法および後処理の後の入力信号Ｘ_２（ｚ）と関連付けられた出力を表す。また、Ｓ_２”（ｚ）信号は、適応フィルタ７５Ａを制御するためのフィードバックとしても使用されるが、このフィードバックは、図を簡単にするために図示していない。

図４は、本開示の一実施形態に従って実行される技術を示す流れ図である。図４に示すように、機器２０（図２参照）は、第１の信号Ｘ_１（ｚ）および第２の信号Ｘ_２（ｚ）を受け取る（８１）。信号Ｘ_１（ｚ）および信号Ｘ_２（ｚ）は、２つのマイクロホンによって取り込まれた音声信号を備えてもよいが、本開示は必ずしもこの点に限定されるものではない。各マイクロホンは、例えば、全指向性マイクロホン（または別種のマイクロホン）を備えてもよく、機器２０に含まれていてもよい。第１の信号Ｘ_１（ｚ）は、第１のマイクロホンと第２のマイクロホンが空間的に近接しているために、第２の信号Ｘ_２（ｚ）と高度に相関し得る。

前処理ユニット２２は、第２の信号Ｘ_２（ｚ）の前処理を行って第２の信号Ｘ_２（ｚ）と第１の信号を無相関化する（８２）。この前処理は、第１の信号Ｘ_１（ｚ）に適応フィルタ４２を適用することと、第２の信号Ｘ_２（ｚ）から適応的にフィルタリングされた第１の信号（適応フィルタ４２からの出力）を減算することとを含む。加えて、第２の信号Ｘ_２（ｚ）を前処理することは、第２の信号Ｘ_２（ｚ）と適応的にフィルタリングされた第１の信号（適応フィルタ４２の出力）との差Ｘ’２（ｚ）に対する第１の信号のノイズフロアの比に基づいて校正係数「ｃ」を生成することをさらに備える。加えて、前処理は、差Ｘ’_２（ｚ）に校正係数「ｃ」を適用することをさらに備える。場合によっては、第２の信号Ｘ_２（ｚ）を前処理することが、第２の信号Ｘ_２（ｚ）から適応的にフィルタリングされた第１の信号（適応フィルタ４２からの出力）を減算する前に第２の信号Ｘ_２（ｚ）を遅延させることをさらに備えるように、遅延を使用してもよい。遅延要素は図２には示されていないが、必要ならば加えることもできる。

次に、ＢＳＳユニット２４は、第１の信号Ｘ_１（ｚ）および前処理された第２の信号Ｘ”２（ｚ）に対してＢＳＳ法を実行する（８３）。ＢＳＳ法は、第１の信号Ｘ_１（ｚ）に最小二乗平均（ＬＭＳ）適応フィルタリングを適用することと、ＬＭＳ適用フィルタリングされた第１の信号（Ｗ_１２（ｚ）の出力）と前処理された第２の信号Ｘ”２（ｚ）を合算することとを含む。加えて、ＢＳＳ法は、前処理された第２の信号Ｘ”２（ｚ）第２の信号ＸにＬＭＳ適応フィルタリングを適用することと、ＬＭＳ適応フィルタリングされ、前処理された第２の信号（Ｗ_２１（ｚ）の出力）を第１の信号と合算することも含む。

最後に、後処理ユニット２６が後処理を行って、それぞれ、加算器３２Ａと加算器３２Ｂによる出力である第１のＢＳＳ信号と第２のＢＳＳ信号とをさらに無相関化する（８４）。図２の場合には、第１のＢＳＳ信号（加算器３２Ａの出力）を後処理することは、第２のＢＳＳ信号（加算器３２Ｂの出力）に第２の適応フィルタ５２を適用することと、第１のＢＳＳ信号（加算器３２Ａの出力）から適応的にフィルタリングされた第２のＢＳＳ信号（適応フィルタ５２の出力）を減算することとを備える。第１のＢＳＳ信号（加算器３２Ａの出力）を後処理することは、第１のＢＳＳ信号から適応的にフィルタリングされた第２のＢＳＳ信号（適応フィルタ５２からの出力）を減算する前に遅延回路５４によって第１のＢＳＳ信号を遅延させて、回路５４の遅延された出力が減算ユニット５６によって使用されるようにすることをさらに含む。

機器２０の出力は信号Ｓ’_１（ｚ）を備え、信号Ｓ’_１（ｚ）は、雑音が低減された信号Ｘ_１（ｚ）の非常に正確な表現を備える。代替として、図２の後処理ユニット２６が図３の後処理ユニット６０で置き換えられる場合、機器７０の出力は信号Ｓ”ｉ（ｚ）およびＳ”２（ｚ）を備える。

以上にいくつかの実施形態を説明した。しかし、本明細書で説明する技術には様々な変更を加えることができる。例えば、本明細書で説明する前処理法および／または後処理法は、他のＢＳＳアルゴリズムと共に使用されてもよく、これらは必ずしも図１に示すものに限定されるものではない。加えて、これらの技術は主に音声強化における使用について説明されているが、このような技術は、他の音声信号用途、雑音低減、ならびに心電図（ＥＣＧ）および脳電図（ＥＥＧ）の処理を含む生体信号処理などを含めて、ＢＳＳ法が使用される任意の環境で幅広く応用され得る。オーディオまたは音声処理の用途の中には、信号がリアルタイムで処理されるものもある。

本明細書で説明する技術は、ハードウェア、ソフトウェア、ファームウェア、またはこれらの任意の組み合わせとして実施され得る。ソフトウェアとして実施される場合、これらの技術は、実行されると、機器に、本明細書で説明する技術の１つまたは複数を実行させるプログラムコードを備えるコンピュータ可読媒体を対象とする。この場合、コンピュータ可読媒体には、シンクロナスＤＲＡＭ（synchronous dynamic random access memory）、ＲＯＭ（read-only memory）、不揮発性ＲＡＭ（non-volatile random access memory）、ＥＥＰＲＯＭ（electrically erasable programmable read-only memory）、ＦＬＡＳＨメモリなどといったＲＡＭ（random access memory）が含まれ得る。

プログラムコードは、メモリ上に、コンピュータ可読命令の形で格納され得る。この場合、ＤＳＰなどのプロセッサは、本明細書で説明するＢＳＳ向上技術の１つまたは複数を実行するために、メモリに格納された命令を実行する。これらの技術は、様々なハードウェア構成要素を呼び出してプロセスを促進するＤＳＰによって実行される場合もある。本明細書で説明する各ユニットが、マイクロプロセッサ、１つまたは複数のＡＳＩＣ（application specific integrated circuit）、１つまたは複数のＦＰＧＡ（field programmable gate array）、１つまたは複数のＣＰＬＤ（complex programmable logic device）、または他の何らかのハードウェア／ソフトウェアの組み合わせとして実施される場合もある。本明細書で説明する各ユニットは、共通のハードウェア、回路またはプロセッサに統合されていてもよい。具体的には、本開示で説明する前処理ユニットおよび後処理ユニットを、本明細書で説明するＢＳＳユニットと共に１つの共通ユニットとして実施することもできる。

上記および上記以外の各実施形態は、添付の特許請求の範囲内に含まれるものである。

本明細書で述べる前処理法および後処理法によって向上し得るブラインド信号源分離（ＢＳＳ）法を実行する機器を示すブロック図である。 本開示の一実施形態による、他の点では通常のＢＳＳ法に対して前処理法および後処理法を実行する機器を示すブロック図である。 本開示の一実施形態による、ＢＳＳ法に対して前処理法および後処理法を実行する機器を示す別のブロック図である。 本開示の一実施形態に従って実行され得る技術を示す流れ図である。

Claims (37)

1. 第１のセンサと関連付けられた第１の信号および第２のセンサと関連付けられた第２の信号を受け取ることと、
   前記第２の信号を前処理して前記第２の信号と前記第１の信号を無相関化することと、
   前記第１の信号にブラインド信号源分離（ＢＳＳ）法を適用して第１のＢＳＳ信号を生成することと、
   前記前処理された第２の信号に前記ＢＳＳ法を適用して第２のＢＳＳ信号を生成することと、
   を備える方法。
2. 前記第２の信号を前処理することは、前記第１の信号に適応フィルタを適用することと、前記第２の信号から前記適応的にフィルタリングされた第１の信号を減算することとを備える、請求項１に記載の方法。
3. 前記第２の信号を前処理することは、前記第２の信号から前記適応的にフィルタリングされた第１の信号を減算する前に前記第２の信号を遅延させることをさらに備える請求項２に記載の方法。
4. 前記第２の信号を前処理することは、前記第２の信号と前記適応的にフィルタリングされた第１の信号との差に対する前記第１の信号のノイズフロアの比に基づいて校正係数を生成することをさらに備える、請求項３に記載の方法。
5. 前処理することは前記差に前記校正係数を適用することをさらに備える請求項４に記載の方法。
6. 前記第１のＢＳＳ信号を後処理して前記第１のＢＳＳ信号と前記第２のＢＳＳ信号をさらに無相関化することと、
   前記後処理された第１のＢＳＳ信号を出力することと、
   をさらに備える、請求項１に記載の方法。
7. 前記第２の信号を前処理することは、前記第１の信号に第１の適応フィルタを適応することと、前記第２の信号から前記適応的にフィルタリングされた第１の信号を減算することとを備え、
   前記第１のＢＳＳ信号を後処理することは、前記第２のＢＳＳ信号に第２の適応フィルタを適用することと、前記第１のＢＳＳ信号から前記適応的にフィルタリングされた第２のＢＳＳ信号を減算することとを含む、
   請求項６に記載の方法。
8. 前記第１のＢＳＳ信号を後処理することは、前記第１のＢＳＳ信号から前記適応的にフィルタリングされた第２のＢＳＳ信号を減算する前に前記第１のＢＳＳ信号を遅延させることをさらに含む、請求項７に記載の方法。
9. 前記第２の信号を前処理することは、
   前記第２の信号と前記適応的にフィルタリングされた第１の信号との差に対する前記第１の信号のノイズフロアの比に基づいて校正係数を生成することと、
   前記差に前記校正係数を適用することと、
   をさらに備える請求項８に記載の方法。
10. 前記第１のＢＳＳ信号および前記第２のＢＳＳ信号を後処理して前記第１のＢＳＳ信号と前記第２のＢＳＳ信号をさらに無相関化することをさらに備える、請求項１に記載の方法。
11. 前記ＢＳＳ法を適用することは、
    前記第１の信号に最小二乗平均（ＬＭＳ）適応フィルタリングを適用することと、
    前記ＬＭＳ適応フィルタリング処理された第１の信号を前記前処理された第２の信号と合算することと、
    前記前処理された第２の信号にＬＭＳ適応フィルタリングを適用することと、
    前記ＬＭＳ適応フィルタリング処理され、前処理された第２の信号を前記第１の信号と合算することと、
    を含む、請求項１に記載の方法。
12. 前記第１の信号は第１のマイクロホンと関連付けられた第１の音声信号を備え、前記第２の信号は第２のマイクロホンと関連付けられた第２の音声信号を備える、請求項１に記載の方法。
13. 前記第１のマイクロホンを用いて前記第１の音声信号を取り込むことと、前記第２のマイクロホンを用いて前記第２の音声信号を取り込むこととをさらに備える、請求項１２に記載の方法。
14. 前記取り込まれた音声信号をアナログ信号からディジタル信号に変換することをさらに備える、請求項１３に記載の方法。
15. 前記第１の音声信号は、前記第１のマイクロホンと前記第２のマイクロホンとの空間的近接性により前記第２の音声信号と高度に相関する、請求項１３に記載の方法。
16. 無線通信機器において実行される、請求項１５に記載の方法。
17. 第１の信号を生成する第１のセンサおよび第２の信号を生成する第２のセンサと、
    前記第２の信号を前処理して前記第２の信号と前記第１の信号を無相関化する前処理ユニットと、
    前記第１の信号と前記前処理された第２の信号とにＢＳＳ法を適用して、それぞれ、第１のＢＳＳ信号と第２のＢＳＳ信号とを生成するブラインド信号源分離（ＢＳＳ）ユニットと、
    を備える機器。
18. 前記前処理ユニットは、前記第１の信号に適応フィルタを適用し、前記第２の信号から前記適応的にフィルタリングされた第１の信号を減算する、請求項１７に記載の機器。
19. 前記前処理ユニットは、前記第２の信号と前記適応的にフィルタリングされた第１の信号との差に対する前記第１の信号のノイズフロアの比に基づいて校正係数を生成する、請求項１８に記載の機器。
20. 前記前処理ユニットは前記差に前記校正係数を適用する、請求項１９に記載の機器。
21. 前記第１のＢＳＳ信号を後処理して前記第１のＢＳＳ信号と前記第２のＢＳＳ信号をさらに無相関化し、前記後処理された第１のＢＳＳ信号を出力する後処理ユニットをさらに備える、請求項１７に記載の機器。
22. 前記前処理ユニットは、前記第１の信号に第１の適応フィルタを適用し、前記第２の信号から前記適応的にフィルタリングされた第１の信号を減算し、
    前記後処理ユニットは、前記第２のＢＳＳ信号に第２の適応フィルタを適用し、前記第１のＢＳＳ信号から前記適応的にフィルタリングされた第２のＢＳＳ信号を減算する、
    請求項２１に記載の機器。
23. 前記後処理ユニットは、前記第１のＢＳＳ信号から前記適応的にフィルタリングされた第２のＢＳＳ信号を減算する前に前記第１のＢＳＳ信号を遅延させる、請求項２２に記載の機器。
24. 前記前処理ユニットは、
    前記第２の信号と前記適応的にフィルタリングされた第１の信号との差に対する前記第１の信号のノイズフロアの比に基づいて校正係数を生成し、
    前記差に前記校正係数を適用する、
    請求項２３に記載の機器。
25. 前記後処理ユニットは、前記第１のＢＳＳ信号および第２のＢＳＳ信号を後処理して前記第１のＢＳＳ信号と前記第２のＢＳＳ信号をさらに無相関化する、請求項２１に記載の機器。
26. 前記前処理ユニットは、前記第２の信号から前記適応的にフィルタリングされた第１の信号を減算する前に前記第２の信号を遅延させる、請求項１７に記載の機器。
27. 前記ＢＳＳユニットは、
    前記第１の信号に最小二乗平均（ＬＭＳ）適応フィルタリングを適用し、
    前記ＬＭＳ適応フィルタリング処理された第１の信号を前記前処理された第２の信号と合算し、
    前記前処理された第２の信号にＬＭＳ適応フィルタリングを適用し、
    前記ＬＭＳ適応フィルタリング処理され、前処理された第２の信号を前記第１の信号と合算する、
    請求項１７に記載の機器。
28. 前記第１のセンサは第１のマイクロホンを備え、前記第２のセンサは第２のマイクロホンを備え、前記第１の信号は前記第１のマイクロホンと関連付けられた第１の音声信号を備え、前記第２の信号は前記第２のマイクロホンと関連付けられた第２の音声信号を備える、請求項１７に記載の機器。
29. 前記第１の音声信号は、前記第１のマイクロホンと前記第２のマイクロホンとの空間的近接性により前記第２の音声信号と高度に相関する、請求項２８に記載の機器。
30. 無線通信機器を備える、請求項１７に記載の機器。
31. 実行されると、
    第１の信号および第２の信号を受け取り、
    前記第２の信号を前処理して前記第２の信号と前記第１の信号を無相関化し、
    前記第１の信号と前記前処理された第２の信号とにブラインド信号源分離（ＢＳＳ）法を適用して、それぞれ、第１のＢＳＳ信号と第２のＢＳＳ信号とを生成する、
    命令を備えるコンピュータ可読媒体。
32. 前記第２の信号の前記前処理は、
    前記第１の信号に適応フィルタを適用することと、
    前記第２の信号から前記適応的にフィルタリングされた第１の信号を減算することと、
    前記第２の信号と前記適応的にフィルタリングされた第１の信号との差に対する前記第１の信号のノイズフロアの比に基づいて校正係数を生成することと、
    前記差に前記校正係数を適用することと、
    を含む、請求項３１に記載のコンピュータ可読媒体。
33. 前記命令は、
    前記第１のＢＳＳ信号を後処理して前記第１のＢＳＳ信号と前記第２のＢＳＳ信号をさらに無相関化する、
    請求項３１に記載のコンピュータ可読媒体。
34. 前記第２の信号の前記前処理は、
    前記第１の信号に適応フィルタを適用することと、
    前記第２の信号に遅延を適用することと、
    前記遅延された第２の信号から前記適応的にフィルタリングされた第１の信号を減算することと、
    前記第２の信号と前記適応的にフィルタリングされた第１の信号との差に対する前記第１の信号のノイズフロアの比に基づいて校正係数を生成することと、
    前記差に前記校正係数を適用することと、
    を含み、
    前記第１のＢＳＳ信号の前記後処理は、
    前記第１のＢＳＳ信号を遅延させることと、
    前記第２のＢＳＳ信号に第２の適応フィルタを適用することと、
    前記遅延された第１のＢＳＳ信号から前記適応的にフィルタリングされた第２のＢＳＳ信号を減算することと、
    を含む、
    請求項３３に記載のコンピュータ可読媒体。
35. 前記第１の信号は第１のマイクロホンと関連付けられた第１の音声信号を備え、前記第２の信号は第２のマイクロホンと関連付けられた第２の音声信号を備える、請求項３１に記載のコンピュータ可読媒体。
36. 第１の信号を生成する手段と、
    第２の信号を生成する手段と、
    前記第２の信号を前処理して前記第２の信号と前記第１の信号と無相関化する手段と、
    前記第１の信号と前記前処理された第２の信号とにブラインド信号源分離（ＢＳＳ）法を適用して、それぞれ、第１のＢＳＳ信号と第２のＢＳＳ信号とを生成する手段と、
    を備える装置。
37. 前記第１のＢＳＳ信号を後処理して前記第１のＢＳＳ信号と前記第２のＢＳＳ信号をさらに無相関化する手段をさらに備える、請求項３６に記載の装置。

Images