JP2790904B2 - 音源特徴抽出方法 - Google Patents
音源特徴抽出方法Info
- Publication number
- JP2790904B2 JP2790904B2 JP18088790A JP18088790A JP2790904B2 JP 2790904 B2 JP2790904 B2 JP 2790904B2 JP 18088790 A JP18088790 A JP 18088790A JP 18088790 A JP18088790 A JP 18088790A JP 2790904 B2 JP2790904 B2 JP 2790904B2
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- sound source
- unit
- signal
- covariance matrix
- 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.)
- Expired - Fee Related
Links
Description
【発明の詳細な説明】 （産業上の利用分野） 本発明は、水中における位置計測（音響測位）等を行
うソーナの信号処理等において、空間の任意の場所に存
在する音源からの音源信号の特徴量（振幅，周波数，方
位）を効率良く抽出する音源特徴抽出方法に関するもの
である。
うソーナの信号処理等において、空間の任意の場所に存
在する音源からの音源信号の特徴量（振幅，周波数，方
位）を効率良く抽出する音源特徴抽出方法に関するもの
である。
（従来の技術） 従来、このような分野の技術としては例えば、沖電機
研究開発、53［４］（昭61−10）、似鳥・五十嵐著「水
中音響におけるディジタル信号処理技術」Ｐ・53−58
（文献）に記載されるものがあった。
研究開発、53［４］（昭61−10）、似鳥・五十嵐著「水
中音響におけるディジタル信号処理技術」Ｐ・53−58
（文献）に記載されるものがあった。
この文献に記載されているように、ソーナは、水中音
響を用いて３次元空間内（水中）を移動する目標の探
索、位置計測、類別を行うものである。ソーナは動作様
式により、パッシブソーナとアクティブソーナに分けら
れる。パッシブソーナは目標が放射する音波を用い、ま
たアクティブソーナは目標に向かって音波を当て、その
反射波（エコー）を用いて目標の探索、位置計測、類別
を行う。ソーナで用いられる信号処理は、次のように、
信号の時間的特徴（波形，スペクトル等）を抽出するた
めに用いる時間的処理と、信号の空間的特徴（位置，形
状，移動速度等）を抽出するために用いる空間的処理に
分けられる。
響を用いて３次元空間内（水中）を移動する目標の探
索、位置計測、類別を行うものである。ソーナは動作様
式により、パッシブソーナとアクティブソーナに分けら
れる。パッシブソーナは目標が放射する音波を用い、ま
たアクティブソーナは目標に向かって音波を当て、その
反射波（エコー）を用いて目標の探索、位置計測、類別
を行う。ソーナで用いられる信号処理は、次のように、
信号の時間的特徴（波形，スペクトル等）を抽出するた
めに用いる時間的処理と、信号の空間的特徴（位置，形
状，移動速度等）を抽出するために用いる空間的処理に
分けられる。
時間的処理のうち、整合フィルタおよびウィーナフィ
ルタは、それぞれ定められた波形およびスペクトルを持
つ信号が、既知のスペクトルを持つ雑音に埋れている時
に最大のS/N比を得るフィルタである。スペクトル推定
は、信号の周波数に対する強度を推定するものであり、
雑音に埋もれた周期的信号（線スペクトル）を検出し、
その信号を放射する目標を類別するために用いられる。
ルタは、それぞれ定められた波形およびスペクトルを持
つ信号が、既知のスペクトルを持つ雑音に埋れている時
に最大のS/N比を得るフィルタである。スペクトル推定
は、信号の周波数に対する強度を推定するものであり、
雑音に埋もれた周期的信号（線スペクトル）を検出し、
その信号を放射する目標を類別するために用いられる。
空間的処理のうち、ビームフォーミング（BF）は、受
信アレイを構成する多数の受波器の出力信号を用い、空
間を伝搬する波動の方向性を利用して信号のS/Nの改
善、信号の入射方向、および強度（空間スペクトル）の
推定等を行う。遅延、および位相推定は、少数の受波器
で受信される信号の間に生ずる遅延または位相の差を推
定する問題であり、主に目標の位置計測のために用いら
れる。これは、ビームフォーミングの簡約化であると考
えられる。
信アレイを構成する多数の受波器の出力信号を用い、空
間を伝搬する波動の方向性を利用して信号のS/Nの改
善、信号の入射方向、および強度（空間スペクトル）の
推定等を行う。遅延、および位相推定は、少数の受波器
で受信される信号の間に生ずる遅延または位相の差を推
定する問題であり、主に目標の位置計測のために用いら
れる。これは、ビームフォーミングの簡約化であると考
えられる。
ビームフォーミングは、多数の受波器の出力信号に対
して伝搬遅延の差を補償する遅延を加えた後、加算する
遅延−加算BFが基本的なものであるが、信号が狭帯域の
場合には、遅延補償の代わりに位相補償を用いることも
できる。ビームフォーミングの特性としては空間的分解
能が特に重要であり、主ビーム幅が狭く，サイドローブ
レベルが低いことが望まれる。ビームパターンの制御法
としては、各受波器の出力信号に所定の重みを乗ずるシ
ェーディングが用いられ、主にサイドローブレベルの抑
圧に効果的であった。ついで、特定の方向から入射する
妨害波を除去するサイドローブ打消し技術が開発され、
やがて任意の妨害波を除去する適応ビームフォーミング
（ABF）が考案された。さらに最近では、最新のスペク
トル推定法を方位推定に適用し、主ビームの分解能を飛
躍的に向上する信号部分空間法などが検討されている。
して伝搬遅延の差を補償する遅延を加えた後、加算する
遅延−加算BFが基本的なものであるが、信号が狭帯域の
場合には、遅延補償の代わりに位相補償を用いることも
できる。ビームフォーミングの特性としては空間的分解
能が特に重要であり、主ビーム幅が狭く，サイドローブ
レベルが低いことが望まれる。ビームパターンの制御法
としては、各受波器の出力信号に所定の重みを乗ずるシ
ェーディングが用いられ、主にサイドローブレベルの抑
圧に効果的であった。ついで、特定の方向から入射する
妨害波を除去するサイドローブ打消し技術が開発され、
やがて任意の妨害波を除去する適応ビームフォーミング
（ABF）が考案された。さらに最近では、最新のスペク
トル推定法を方位推定に適用し、主ビームの分解能を飛
躍的に向上する信号部分空間法などが検討されている。
（発明が解決しようとする課題） しかしながら、従来の方法を用いて音源信号の特徴量
を抽出する場合、受信器数が少ない時には、入力データ
数が少ないため、ビームフォーミングの空間的分解能が
劣化し、特徴量を正確に抽出できない。そのため、高い
空間的分解能を得るためには、受波器の数を増加させね
ばならず、それによって演算処理が複雑化すると共に装
置の大型化を招き、それを解決することが困難であっ
た。
を抽出する場合、受信器数が少ない時には、入力データ
数が少ないため、ビームフォーミングの空間的分解能が
劣化し、特徴量を正確に抽出できない。そのため、高い
空間的分解能を得るためには、受波器の数を増加させね
ばならず、それによって演算処理が複雑化すると共に装
置の大型化を招き、それを解決することが困難であっ
た。
本発明は前記従来技術が持っていた課題として、受波
器数の増加に伴う演算量の増大と、装置の大規模化の点
について解決した音源特徴量抽出方法を提供するもので
ある。
器数の増加に伴う演算量の増大と、装置の大規模化の点
について解決した音源特徴量抽出方法を提供するもので
ある。
（課題を解決するための手段） 前記課題を解決するために、第１の発明は、音源から
の音源信号を複数の受信器で受信し、その受信信号をサ
ンプリングして離散時系列信号を求め、その離散時系列
信号から該音源信号の特徴量を抽出する音源特徴抽出方
法において、前記離散時系列信号における共分散行列の
固有値分散とモード行列における共分散行列の固有値分
散とより算出した固有値及び固有ベクトルを使った前記
モード行列のスペクトル分解を利用して前記モード行列
の更新を行い、前記離散時系列信号と前記モード行列と
の一致性を考慮して前記音源信号の特徴量を推定するよ
うにしたものである。
の音源信号を複数の受信器で受信し、その受信信号をサ
ンプリングして離散時系列信号を求め、その離散時系列
信号から該音源信号の特徴量を抽出する音源特徴抽出方
法において、前記離散時系列信号における共分散行列の
固有値分散とモード行列における共分散行列の固有値分
散とより算出した固有値及び固有ベクトルを使った前記
モード行列のスペクトル分解を利用して前記モード行列
の更新を行い、前記離散時系列信号と前記モード行列と
の一致性を考慮して前記音源信号の特徴量を推定するよ
うにしたものである。
第２の発明は、第１の発明において、前記モード行列
の更新の際に最小２乗法を用いた最適更新を行うように
したものである。
の更新の際に最小２乗法を用いた最適更新を行うように
したものである。
（作 用） 第１の発明によれば、以上のように音源特徴抽出方法
を構成したので、音源からの音源信号が受信器に到来す
ると、その音源信号が該受信器で受信された後、離散時
系列信号に変換される。そして、音源信号の数字的モデ
ルの構築と、その数字的モデルのパラメータの効率的算
出アルゴリズムに従い、モード行列が設定される。さら
に、このモード行列における共分散行列の固有値分散
と、離散時系列信号における共分散行列の固有値分散と
より算出された固有値及び固有ベクトルを用いて、モー
ド行列のスペクトル分解が行われる。このスペクトル分
解結果に基づき、モード行列の更新を行なわれ、離散時
系列信号とモード行列との一致性から、記音源信号の推
定が行われることになる。
を構成したので、音源からの音源信号が受信器に到来す
ると、その音源信号が該受信器で受信された後、離散時
系列信号に変換される。そして、音源信号の数字的モデ
ルの構築と、その数字的モデルのパラメータの効率的算
出アルゴリズムに従い、モード行列が設定される。さら
に、このモード行列における共分散行列の固有値分散
と、離散時系列信号における共分散行列の固有値分散と
より算出された固有値及び固有ベクトルを用いて、モー
ド行列のスペクトル分解が行われる。このスペクトル分
解結果に基づき、モード行列の更新を行なわれ、離散時
系列信号とモード行列との一致性から、記音源信号の推
定が行われることになる。
このように、行列のクペクトル分解を利用してモード
行列の更新が行なわれるので、ビームフォーミングが省
略できると共に、少ない受信器数で、演算量が少なく、
短時間かつ高精度に音源情報の推定が行える。
行列の更新が行なわれるので、ビームフォーミングが省
略できると共に、少ない受信器数で、演算量が少なく、
短時間かつ高精度に音源情報の推定が行える。
第２の発明では、最小２乗法を用いてモード行列の更
新を行うとこにより、短時間で、精度の高い更新が行え
る。
新を行うとこにより、短時間で、精度の高い更新が行え
る。
従って、前記課題が解決できるのである。
（実施例） 第１図は、本発明の実施例を示す音源特徴抽出方法を
用いた音源特徴抽出装置の機能ブロック図である。
用いた音源特徴抽出装置の機能ブロック図である。
この音源特徴抽出装置は、空間の任意の場所に存在す
る複数の音源１からの音源信号S1を受信する信号受信部
２を有し、その出力側には共分散行列算出部３が接続さ
れている。信号受信部２は、音源信号S1を受信して電気
信号に変換する複数の受信器を有し、その受信器の受信
信号を所定のサンプリング周波数でサンプリング離散時
系列信号xj（ｎ）を、実成分共分散行列算出部12a及び
虚成分共分散行列算出部12bへ与える機能を有してい
る。
る複数の音源１からの音源信号S1を受信する信号受信部
２を有し、その出力側には共分散行列算出部３が接続さ
れている。信号受信部２は、音源信号S1を受信して電気
信号に変換する複数の受信器を有し、その受信器の受信
信号を所定のサンプリング周波数でサンプリング離散時
系列信号xj（ｎ）を、実成分共分散行列算出部12a及び
虚成分共分散行列算出部12bへ与える機能を有してい
る。
また、この音源特徴抽出装置には、音源情報に対応し
た振幅と方向ベクトルからなるモード行列を算出するモ
ード行列算出部10が設けられている。モード行列算出部
10には、モード行列の虚成分共分散行列と実成分共分散
行列をそれぞれ算出する虚成分共分散行列算出部11aと
実成分共分散行列算出部11bが接続されている。虚成分
共分散行列算出部11a及び実成分共分散行列算出部11bに
は、実成分共分散行列及び虚成分共分散行列をそれぞれ
算出する実成分共分散行列算出部12a及び虚成分共分散
行列算出部12bが接続されている。
た振幅と方向ベクトルからなるモード行列を算出するモ
ード行列算出部10が設けられている。モード行列算出部
10には、モード行列の虚成分共分散行列と実成分共分散
行列をそれぞれ算出する虚成分共分散行列算出部11aと
実成分共分散行列算出部11bが接続されている。虚成分
共分散行列算出部11a及び実成分共分散行列算出部11bに
は、実成分共分散行列及び虚成分共分散行列をそれぞれ
算出する実成分共分散行列算出部12a及び虚成分共分散
行列算出部12bが接続されている。
実成分共分散行列算出部12a及び虚成分共分散行列算
出部12bには、共分散行列の固有ベクトル固有値及び特
異値を算出する固有値分散部13a,13bがそれぞれ接続さ
れている。モード行列算出部10には、ガウス変換行列算
出部14a,14bを介して、そのガウス変換行列の固有ベク
トル固有値及び特異値を算出する固有値分解部15a,15b
がそれぞれ接続されている。
出部12bには、共分散行列の固有ベクトル固有値及び特
異値を算出する固有値分散部13a,13bがそれぞれ接続さ
れている。モード行列算出部10には、ガウス変換行列算
出部14a,14bを介して、そのガウス変換行列の固有ベク
トル固有値及び特異値を算出する固有値分解部15a,15b
がそれぞれ接続されている。
固有値分解部13a,15aと13b,15bには、方位推定部16a
と16bをそれぞれ介して方位決定部18が接続されると共
に、スペクトル分解部17aと17bをそれぞれ介してモード
行列更新部19が接続されている。このスペクトル分解部
17a,17b及びモード行列更新部19は、入力共分散行列の
固有ベクトル及び特異値と、ガウス変換行列の固有ベク
トル及び特異値とを用いて、モード行列を推定し、それ
を更新する機能を有している。
と16bをそれぞれ介して方位決定部18が接続されると共
に、スペクトル分解部17aと17bをそれぞれ介してモード
行列更新部19が接続されている。このスペクトル分解部
17a,17b及びモード行列更新部19は、入力共分散行列の
固有ベクトル及び特異値と、ガウス変換行列の固有ベク
トル及び特異値とを用いて、モード行列を推定し、それ
を更新する機能を有している。
次に、以上のように構成される音源特徴抽出装置の音
源特徴抽出方法について説明する。
源特徴抽出方法について説明する。
例えば、空間上にＤ個の音源１があり、各音源１から
発生する波動を平面波と考え、その振幅、角周波数、波
数ベクトル（空間方位）をbj、ωｊ、kj（ｊ＝1,…,D）
とする。
発生する波動を平面波と考え、その振幅、角周波数、波
数ベクトル（空間方位）をbj、ωｊ、kj（ｊ＝1,…,D）
とする。
受信器数をＭとし、各受信器の同一基準点からの位置
ベクトルをri（ｉ＝1,…,M）とする。
ベクトルをri（ｉ＝1,…,M）とする。
先ず、音源１からの音源信号S1は、信号受信部２で受
信され、サンプリングされて離散時系列信号xi（ｎ）に
変換される。離散時系列信号xi（ｎ）は、空間において
それに付加される雑音をwi（ｎ）とすると、次式で表わ
せる。
信され、サンプリングされて離散時系列信号xi（ｎ）に
変換される。離散時系列信号xi（ｎ）は、空間において
それに付加される雑音をwi（ｎ）とすると、次式で表わ
せる。
ここで、xi（ｎ）を aij≡bjEXP［ｊ｛kjri｝］ fj（ｎ）≡EXP［ｊ｛ωjn｝］ ……（２） とすると、（１）式は、 となる。（３）式を行列表示すると、次式（４）〜
（６）のようになる。
（６）のようになる。
ｘ＝Af＋Ｗ ……（４） 共分散行列算出部３は、（４）式で定義された時系列
信号を用いて共分散行列を算出する機能を有している。
信号受信部２の出力の共分散行列Ｖを、 Ｖ≡Ｅ〈xx＊〉∈ＣＭ×Ｍ ……（７） 但し、Ｅ〈 〉；時間アンサンブル平均 （集合平均） ＊；共役転置 と定義し、更に、 Ｅ〈fw＊〉＝〈ｗ＊ｆ〉＝０ ……（８） と仮定すると、 Ｖ≡AE〈ff＊〉Ａ＊＋Ｅ〈ww＊〉 ＝APA＊＋Ψ ……（９） Ｐ≡Ｅ〈ff＊〉、Ψ≡Ｅ〈ww＊〉 ……（10） となる。
信号を用いて共分散行列を算出する機能を有している。
信号受信部２の出力の共分散行列Ｖを、 Ｖ≡Ｅ〈xx＊〉∈ＣＭ×Ｍ ……（７） 但し、Ｅ〈 〉；時間アンサンブル平均 （集合平均） ＊；共役転置 と定義し、更に、 Ｅ〈fw＊〉＝〈ｗ＊ｆ〉＝０ ……（８） と仮定すると、 Ｖ≡AE〈ff＊〉Ａ＊＋Ｅ〈ww＊〉 ＝APA＊＋Ψ ……（９） Ｐ≡Ｅ〈ff＊〉、Ψ≡Ｅ〈ww＊〉 ……（10） となる。
（10）式で定義した共分散行列Ｐは、各音源１の発振周
波数が互いに無相関ならば、（２）式より、 となり（ｌ（ｎ）；複素共役）、 Ｐ≡Ｅ〈ff＊〉＝Ｉ （I;単位行列） ……（12） とおける。
波数が互いに無相関ならば、（２）式より、 となり（ｌ（ｎ）；複素共役）、 Ｐ≡Ｅ〈ff＊〉＝Ｉ （I;単位行列） ……（12） とおける。
（10）式で定義した共分散行列Ψは、各受信器の入力
雑音の分散をσ２、また各音源１の発振周波数が互いに
無相関ならば、（５）式より、 となり、共分散行列Ψは対角行列である。
雑音の分散をσ２、また各音源１の発振周波数が互いに
無相関ならば、（５）式より、 となり、共分散行列Ψは対角行列である。
（４）式において、雑音を無視すると、 となり、列ベクトルｘの要素の受信点ごとの変化は、行
列Ａの要素（内存因子）aijに起因している。
列Ａの要素（内存因子）aijに起因している。
ここで、信号受信部２の出力の共分散行列Ｖは、（1
2）式の音源条件（発振周波数が互いに無相関）を考慮
し、また雑音の存在を無視したとき、 Ｖ＝AA＊ ……（15） で与えられる。rank（Ａ）＝Ｄとし、共分散行列Ｖの固
有値を大きいほうから順に λ１＝λmax＞λ２＞・・・＞λＤ＝λmin とすると、（15）式は、xjを固有値λｊに対応する正規
直交固有ベクトルとした時の共分散行列Ｖの固有値分解 Vxj＝λjxj （ｊ＝1,・・・,D） ……（16） となる。（14）式を行列表示すると、次式（17）のよう
になる。
2）式の音源条件（発振周波数が互いに無相関）を考慮
し、また雑音の存在を無視したとき、 Ｖ＝AA＊ ……（15） で与えられる。rank（Ａ）＝Ｄとし、共分散行列Ｖの固
有値を大きいほうから順に λ１＝λmax＞λ２＞・・・＞λＤ＝λmin とすると、（15）式は、xjを固有値λｊに対応する正規
直交固有ベクトルとした時の共分散行列Ｖの固有値分解 Vxj＝λjxj （ｊ＝1,・・・,D） ……（16） となる。（14）式を行列表示すると、次式（17）のよう
になる。
xR＝ARfR−AIfI xI＝ARfI＋AIfR ……（17） 但し、 （15）式で定義した共分散行列Ｖを実数部と虚数部に分
けて考えると Ｖ≡〈xx＊〉 ＝Ｅ＜（xR＋jxI）（xR−jxI）ｔ＞ ＝Ｅ＜xRxR t＞＋Ｅ＜xIxI t＞ ＋ｊ［Ｅ＜xIxR t＞−Ｅ＜xRxI t＞］ ……（18） 但し、（ ）t;転置 従って、実数共分散行列VRと虚数共分散行列VIを VR＝Ｅ＜xRxR t＞＋Ｅ＜xIxI t＞ ……（19） VI＝Ｅ＜xIxR t＞−Ｅ＜xRxI t＞ ……（20） と定義すると、 VR＝Ｅ＜xRxR t＞＋Ｅ＜xIxI t＞ ＝Ｅ＜（ARfR−AIfI）（ARfR −AIfI t＞＋Ｅ＜（ARfI＋AI fR）（ARfI＋AIfR）ｔ＞ ＝ARE＜fRfR t＞AR t＋ARE＜ fIfI t＞AR t＋AIE＜fRfR t ＞AI t＋AIE＜fIfI t＞AI t となる。ここで、Ｉを単位行列、０を零行列として、 Ｅ＜fRfR t＞＝Ｅ＜fIfI t＞＝I/2 Ｅ＜fRfI t＞＝Ｅ＜fIfR t＞＝０ と仮定すると、 VR＝ARAR t＋AIAI t ……（21） となる。同様に、 VI＝Ｅ＜xIxR t＞−Ｅ＜xRxI t＞ ＝AIAR t−ARAT t ……（22） となる。
けて考えると Ｖ≡〈xx＊〉 ＝Ｅ＜（xR＋jxI）（xR−jxI）ｔ＞ ＝Ｅ＜xRxR t＞＋Ｅ＜xIxI t＞ ＋ｊ［Ｅ＜xIxR t＞−Ｅ＜xRxI t＞］ ……（18） 但し、（ ）t;転置 従って、実数共分散行列VRと虚数共分散行列VIを VR＝Ｅ＜xRxR t＞＋Ｅ＜xIxI t＞ ……（19） VI＝Ｅ＜xIxR t＞−Ｅ＜xRxI t＞ ……（20） と定義すると、 VR＝Ｅ＜xRxR t＞＋Ｅ＜xIxI t＞ ＝Ｅ＜（ARfR−AIfI）（ARfR −AIfI t＞＋Ｅ＜（ARfI＋AI fR）（ARfI＋AIfR）ｔ＞ ＝ARE＜fRfR t＞AR t＋ARE＜ fIfI t＞AR t＋AIE＜fRfR t ＞AI t＋AIE＜fIfI t＞AI t となる。ここで、Ｉを単位行列、０を零行列として、 Ｅ＜fRfR t＞＝Ｅ＜fIfI t＞＝I/2 Ｅ＜fRfI t＞＝Ｅ＜fIfR t＞＝０ と仮定すると、 VR＝ARAR t＋AIAI t ……（21） となる。同様に、 VI＝Ｅ＜xIxR t＞−Ｅ＜xRxI t＞ ＝AIAR t−ARAT t ……（22） となる。
そこで、共分散行列算出部３では、離散時系列部号xi
（ｎ）に基づき、（21）式の共分散行列VRを算出し、そ
の算出結果を実成分共分散行列算出部12a及び虚成分共
分散行列算出部12bへ与える。モード行列算出部10で
は、（２）式及び（６）式で定義される音源１の特徴量
（振幅、大きさ）に対応した推定モード行列(K)の実
数部R (K)と虚数部I (K)を算出し、その算出結果を虚
成分共分散行列算出部11a、実成分共分散行列算出部11
b、及びガウス変換行列算出部14a,14bへ送る。
（ｎ）に基づき、（21）式の共分散行列VRを算出し、そ
の算出結果を実成分共分散行列算出部12a及び虚成分共
分散行列算出部12bへ与える。モード行列算出部10で
は、（２）式及び（６）式で定義される音源１の特徴量
（振幅、大きさ）に対応した推定モード行列(K)の実
数部R (K)と虚数部I (K)を算出し、その算出結果を虚
成分共分散行列算出部11a、実成分共分散行列算出部11
b、及びガウス変換行列算出部14a,14bへ送る。
虚成分共分散行列算出部11aでは、（21）式の右辺第
２項AIAI tに対応する虚成分共分散行列I (K)AI (K)tを
算出し、その算出結果を実成分共分散行列算出部12aへ
与える。実成分共分散行列算出部12aでは共分散行列算
出部３で算出された共分散行列VRから、虚成分散行列
I (K) I (K)tを除去した実成分共分散行列 VDR (K)＝VR−I (K) I (K)t を算出し、その算出結果を固有値分散部13aへ送る。
２項AIAI tに対応する虚成分共分散行列I (K)AI (K)tを
算出し、その算出結果を実成分共分散行列算出部12aへ
与える。実成分共分散行列算出部12aでは共分散行列算
出部３で算出された共分散行列VRから、虚成分散行列
I (K) I (K)tを除去した実成分共分散行列 VDR (K)＝VR−I (K) I (K)t を算出し、その算出結果を固有値分散部13aへ送る。
固有値分散部13aでは、実成分共分散行列VDR (K)を（1
6）式に従って固有値分解し、固有値λ1,……，λＤを
算出して方位測定部16A及びスペクトル分解部17Aへ送
る。
6）式に従って固有値分解し、固有値λ1,……，λＤを
算出して方位測定部16A及びスペクトル分解部17Aへ送
る。
一方、（15）式に左からＡ＊を掛け、（14）式のｘ＝
Afを代入すると、次式のようになる。
Afを代入すると、次式のようになる。
右辺＝Ａ＊AA＊＊ｘ＝Ａ＊AA＊Af ＝（AA＊Ａ）2f 右辺＝λＡ＊Af ここで、Ａ＊Ａは正規行列で逆行列の存在を仮定する
と、 Ａ＊Af＝λｆ となり、対称行列Ｂ（モード行列）を Ｂ＝Ａ＊Ａ ……（23） と定義すると、（23）式は次式（24）となる。
と、 Ａ＊Af＝λｆ となり、対称行列Ｂ（モード行列）を Ｂ＝Ａ＊Ａ ……（23） と定義すると、（23）式は次式（24）となる。
Bf＝λｆ ……（24） そのため、対称行列Ｂの固定値を共分散行列Ｖの固有
値と同じく大きいほうから順に λＩ＝λmax＞λ２＞・・・λＤ＝λmin とし、固有値λｊに対応する対称行列Ｂの正規直交固有
ベクトルをfiとして、固有値分解 Bfj＝λjfj （ｊ＝1,・・・,D） ……（25） が得られる。
値と同じく大きいほうから順に λＩ＝λmax＞λ２＞・・・λＤ＝λmin とし、固有値λｊに対応する対称行列Ｂの正規直交固有
ベクトルをfiとして、固有値分解 Bfj＝λjfj （ｊ＝1,・・・,D） ……（25） が得られる。
（23）式で定義した対称行列は、ガウス（Gauss）変
換行列であり、次式（26）のようになる。
換行列であり、次式（26）のようになる。
Ｂ＝Ａ＊Ａ ＝（ARjAI）ｔ（AR−jAI） ＝（AR tAR＋AI tAR）＋ｊ（AR tAI−AI tAR） ……（26） 従って、実数ガウス変換行列BRと虚数ガウス変換行列
BIを BR＝AR tAR＋AI tAI ……（27） BI＝AR tAI−AI tAR ……（28） と定義できる。
BIを BR＝AR tAR＋AI tAI ……（27） BI＝AR tAI−AI tAR ……（28） と定義できる。
そこで、ガウス変換行列算出部14aでは、モード行列
算出部10で算出した推定モード行列R (K)を用いて（2
7）式のガウス変換行列BRの第１項BDR (K)＝R (K)t R
(K)を算出し、その算出結果を固定値分解部15aへ与え
る。固有値分解部15aでは、ガウス変換行列BDR (K)を（2
5）式に従って固有値分解し、固有値 を算出して方位推定部16a及びスペクトル分解部17aへ与
える。
算出部10で算出した推定モード行列R (K)を用いて（2
7）式のガウス変換行列BRの第１項BDR (K)＝R (K)t R
(K)を算出し、その算出結果を固定値分解部15aへ与え
る。固有値分解部15aでは、ガウス変換行列BDR (K)を（2
5）式に従って固有値分解し、固有値 を算出して方位推定部16a及びスペクトル分解部17aへ与
える。
方位推定部16aでは、固有値分解部13a,15aから出力さ
れる固有値λR1,…，λRDと を用いて次式（29）の評価関数を算出する。
れる固有値λR1,…，λRDと を用いて次式（29）の評価関数を算出する。
そして、 ならＦ が最大値をとった時のモード行列Ｒを決定する。
スペクトル分解部17aは、実成分共分散行列算出部12a
で算出したモード行列の実数部R (K)に対するスペクト
ル分解を行う機能を有している。rank（Ａ）＝Ｄを満足
する行列Ａ∈ＣＭ×Ｄのスペクトル分解は、次式（30）
で表わせる。
で算出したモード行列の実数部R (K)に対するスペクト
ル分解を行う機能を有している。rank（Ａ）＝Ｄを満足
する行列Ａ∈ＣＭ×Ｄのスペクトル分解は、次式（30）
で表わせる。
Ａ＝μ1x1f1 ＊＋…＋μDxDfD ＊ ……（30） 但し、ｊ＝1,…,Dに対して、 Afj＝μjxj、Ａ＊xj＝μjfj Bfj＝λjfj Vxj＝λjxj λｊ＝μj 2 そのため、スペクトル分解部17aでは、固有値分解部13a
で算出された固有値及び固有ベクトルRj,λRj（Ｊ＝
1,…,D）と、固有値分解部15aで算出された固有ベクト
ルRj（ｊ＝1,…,D）とを用いて、（30）式より、実モ
ード行列R (K+1)のスペクトル分解を算出し、その算出
結果をモード行列更新部19へ送る。
で算出された固有値及び固有ベクトルRj,λRj（Ｊ＝
1,…,D）と、固有値分解部15aで算出された固有ベクト
ルRj（ｊ＝1,…,D）とを用いて、（30）式より、実モ
ード行列R (K+1)のスペクトル分解を算出し、その算出
結果をモード行列更新部19へ送る。
一方、虚成分共分散行列側において、実成分共分散行
列算出部11bは、（21）式の右辺第１項に対応する実成
分共分散行列R (K) R (K)tを算出する。虚成分共分散
行列算出部12bでは、実成分共分散行列算出部12aと同様
に、虚成分共分散行列VDI (K)＝VI−R (K) R (K)tを算
出し、固有値分解部13bへ与える。固有値分解部13bで
は、固有値分解部13aと同様に、VDI (K)の固有値分解に
より、固有ベクトルIj、固有値λIj（ｊ＝1,…,D）算
出し、その算出結果を方位推定部16b及びスペクトル分
解部17bへ送る。
列算出部11bは、（21）式の右辺第１項に対応する実成
分共分散行列R (K) R (K)tを算出する。虚成分共分散
行列算出部12bでは、実成分共分散行列算出部12aと同様
に、虚成分共分散行列VDI (K)＝VI−R (K) R (K)tを算
出し、固有値分解部13bへ与える。固有値分解部13bで
は、固有値分解部13aと同様に、VDI (K)の固有値分解に
より、固有ベクトルIj、固有値λIj（ｊ＝1,…,D）算
出し、その算出結果を方位推定部16b及びスペクトル分
解部17bへ送る。
また、ガウス変換行列算出部14bでは、ガウス変換行
列算出部14aと同様に、ガウス変換行列BDI (K)＝I (K)t
R (K)を算出し、固有値分解部15bへ与える。固有値分
解部15bでは、固有値分解部15aと同様、BDI (K)の固有値
分解より、固有ベクトルIj、固有値λIj（ｊ＝1,…,
D）を算出し、その算出結果を方位推定部16b及びスペク
トル分解部17bへ送る。
列算出部14aと同様に、ガウス変換行列BDI (K)＝I (K)t
R (K)を算出し、固有値分解部15bへ与える。固有値分
解部15bでは、固有値分解部15aと同様、BDI (K)の固有値
分解より、固有ベクトルIj、固有値λIj（ｊ＝1,…,
D）を算出し、その算出結果を方位推定部16b及びスペク
トル分解部17bへ送る。
方位推定部16bは、方位推定部16aと同様、評価関数 の最大値を評価し、モード行列Ａを決定し、その決定
結果を方位決定部18へ送る。方位決定部18では、方位推
定部16aと16bの評価関数の平均値 の最大値から、最適なモード行列を推定し、音源信号
S1の特徴量（方位、振幅、周波数）を決定する。
結果を方位決定部18へ送る。方位決定部18では、方位推
定部16aと16bの評価関数の平均値 の最大値から、最適なモード行列を推定し、音源信号
S1の特徴量（方位、振幅、周波数）を決定する。
さらに、スペクトル分解部17bでは、スペクトル分解
部17aと同様に、モード行列I (K+1)のスペクトル分解
を、雇用値分解部13bの固有ベクトルIj、固有値λIj
（ｊ＝1,…,D）と、固有値分解部15bで算出された固有
ベクトルIj（ｊ＝1,…,D）とを用いて、算出する。
部17aと同様に、モード行列I (K+1)のスペクトル分解
を、雇用値分解部13bの固有ベクトルIj、固有値λIj
（ｊ＝1,…,D）と、固有値分解部15bで算出された固有
ベクトルIj（ｊ＝1,…,D）とを用いて、算出する。
モード行列更新部19では、スペクトル分解部17aと17b
のスペクトル分解出力R (K+1)とI (K+1)を更新するた
めに、最小２乗法等を用いて、αR (K+1)→R (K),β
I (K+1)→I (K)と更新し、モード行列算出部10のモー
ド行列を(K)＝R (K)＋ｊI (K)にする。以上の操作
を方位決定部18の出力が最適値になるまで繰り返す。
のスペクトル分解出力R (K+1)とI (K+1)を更新するた
めに、最小２乗法等を用いて、αR (K+1)→R (K),β
I (K+1)→I (K)と更新し、モード行列算出部10のモー
ド行列を(K)＝R (K)＋ｊI (K)にする。以上の操作
を方位決定部18の出力が最適値になるまで繰り返す。
以上のように、本実施例では、モード行列の更新を、
行列のスペクトル分解を利用した更新方法としたので、
例えば、モード行列を順次設定して音源特徴量を推定す
る場合と比較して、特徴量抽出が短時間で行える。その
上、本実施例の方法では、ビームフォーミングを省略で
きると共に、少ない受信器数で数度の高い音源情報の抽
出が行える。そのため、演算量の削減と、装置の小規模
化が可能となる。また、モード行列更新部19において、
例えば最小２乗法を用いた最適更新を行えば、更新処理
を短時間で行える。
行列のスペクトル分解を利用した更新方法としたので、
例えば、モード行列を順次設定して音源特徴量を推定す
る場合と比較して、特徴量抽出が短時間で行える。その
上、本実施例の方法では、ビームフォーミングを省略で
きると共に、少ない受信器数で数度の高い音源情報の抽
出が行える。そのため、演算量の削減と、装置の小規模
化が可能となる。また、モード行列更新部19において、
例えば最小２乗法を用いた最適更新を行えば、更新処理
を短時間で行える。
（発明の効果） 以上詳細に説明したように、第１の発明によれば、行
列のスペクトル分解を利用してモード行列の更新処理を
行うようにしたので、特徴量を短時間で抽出できる。そ
の上、ビームフォーミングを省略できると共に、少ない
受信器数で精度の高い音源情報の抽出が行える。そのた
め、演算量を削減できると共に、装置の小型化も可能と
なる。
列のスペクトル分解を利用してモード行列の更新処理を
行うようにしたので、特徴量を短時間で抽出できる。そ
の上、ビームフォーミングを省略できると共に、少ない
受信器数で精度の高い音源情報の抽出が行える。そのた
め、演算量を削減できると共に、装置の小型化も可能と
なる。
第２の発明では、最小２乗法を用いた最適更新を行う
ことにより、更新処理を高い精度で短時間に行うことが
できる。
ことにより、更新処理を高い精度で短時間に行うことが
できる。
従って、水中や空中等に存在する種々の音源の特徴抽
出に適用できる。
出に適用できる。
第１図は本発明の実施例を示す音源特徴抽出方法を用い
た音源特徴抽出装置の機能ブロック図である。 １……音源、２……信号受信部、３……共分散行列算出
部、10……モード行列算出部、11a,12b……虚成分共分
散行列算出部、11b,12a……実成分共分散行列算出部、1
3a,13b,15a,15b……固有値分解部、14a,14b……ガウス
変換行列算出部、16a,16b……方位推定部、17a,17b……
スペクトル分解部、18……方位決定部、19……モード行
列更新部。
た音源特徴抽出装置の機能ブロック図である。 １……音源、２……信号受信部、３……共分散行列算出
部、10……モード行列算出部、11a,12b……虚成分共分
散行列算出部、11b,12a……実成分共分散行列算出部、1
3a,13b,15a,15b……固有値分解部、14a,14b……ガウス
変換行列算出部、16a,16b……方位推定部、17a,17b……
スペクトル分解部、18……方位決定部、19……モード行
列更新部。
フロントページの続き (72)発明者 清水 聡 東京都港区虎ノ門１丁目７番12号 沖電 気工業株式会社内 (56)参考文献 特開 平４−64075（ＪＰ，Ａ) 特開 平４−64076（ＪＰ，Ａ) 特開 平３−293575（ＪＰ，Ａ) 特開 平４−13984（ＪＰ，Ａ) 特開 平４−66890（ＪＰ，Ａ) 特開 平４−66888（ＪＰ，Ａ) 特開 平４−66887（ＪＰ，Ａ)
Claims (2)
- 【請求項１】音源からの音源信号を複数の受話器で受信
し、その受信信号をサンプリングして離散時系列信号を
求め、その離散時系列信号から該音源信号の特徴量を抽
出する音源特徴抽出方法において、 前記離散時系列信号における共分散行列の固有値分解と
モード行列における共分散行列の固有値分解とより算出
した固有値及び固有ベクトルを使った前記モード行列の
スペクトル分解を利用して前記モード行列の更新を行
い、前記離散時系列信号と前記モード行列との一致性を
考慮して前記音源信号の特徴量を推定することを特徴と
する音源特徴抽出方法。 - 【請求項２】請求項１記載の音源特徴抽出方法におい
て、前記モード行列の更新の際に最小２乗法を用いた最
適更新を行う音源特徴抽出方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18088790A JP2790904B2 (ja) | 1990-07-09 | 1990-07-09 | 音源特徴抽出方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18088790A JP2790904B2 (ja) | 1990-07-09 | 1990-07-09 | 音源特徴抽出方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0466889A JPH0466889A (ja) | 1992-03-03 |
| JP2790904B2 true JP2790904B2 (ja) | 1998-08-27 |
Family
ID=16091073
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP18088790A Expired - Fee Related JP2790904B2 (ja) | 1990-07-09 | 1990-07-09 | 音源特徴抽出方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2790904B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180053091A (ko) * | 2016-11-11 | 2018-05-21 | 인천대학교 산학협력단 | 소나 영상을 이용한 수중 물체 식별 방법 및 그 장치 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009081405A2 (en) | 2007-12-25 | 2009-07-02 | Rapidx Ltd. | Devices and methods for reduced-pain blood sampling |
-
1990
- 1990-07-09 JP JP18088790A patent/JP2790904B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180053091A (ko) * | 2016-11-11 | 2018-05-21 | 인천대학교 산학협력단 | 소나 영상을 이용한 수중 물체 식별 방법 및 그 장치 |
| KR101917282B1 (ko) * | 2016-11-11 | 2018-11-09 | 인천대학교 산학협력단 | 소나 영상을 이용한 수중 물체 식별 방법 및 그 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0466889A (ja) | 1992-03-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108375763B (zh) | 一种应用于多声源环境的分频定位方法 | |
| CN111736131B (zh) | 一种剔除一比特信号谐波虚假目标的方法及相关组件 | |
| JP6489589B2 (ja) | レーダ信号処理装置 | |
| JP2014228291A (ja) | 無線検出装置及び無線検出方法 | |
| Tao et al. | Waveguide invariant focusing for broadband beamforming in an oceanic waveguide | |
| US6058075A (en) | System for canceling interferers from broadband active sonar signals using adaptive beamforming methods | |
| JP2790904B2 (ja) | 音源特徴抽出方法 | |
| JP7056212B2 (ja) | 方位推定方法および装置 | |
| JP2685632B2 (ja) | 音源特徴抽出方法 | |
| KR20200059574A (ko) | 부대역 조향 공분산 행렬을 이용한 적응형 빔형성기의 신호처리방법 | |
| JP2690606B2 (ja) | 音源数決定方法 | |
| JP4015989B2 (ja) | 波数推定装置および波数推定方法 | |
| Saucan et al. | Enhanced sonar bathymetry tracking in multi-path environment | |
| JP3007914B2 (ja) | モード固有値計測方法 | |
| JP7234947B2 (ja) | 物体識別装置、物体識別方法および物体識別プログラム | |
| JP2619108B2 (ja) | 方位推定装置 | |
| CN107656897B (zh) | 基于常量时间奇异值分解的快速高阶线路径分离方法 | |
| CN111580077A (zh) | 一种用于探测小目标声呐的预警设备及方法 | |
| JP2763821B2 (ja) | 音源特徴抽出方法 | |
| Nejevenko et al. | Adaptive modeling for hydroacoustic signal processing | |
| Shu et al. | Improvement of DOA estimation using wavelet denoising | |
| JP2779435B2 (ja) | ソーナー信号検出処理装置 | |
| Gantayat et al. | An efficient direction‐of‐arrival estimation of multipath signals with impulsive noise using satin bowerbird optimization‐based deep learning neural network | |
| JPH05196717A (ja) | ソーナー信号検出処理方式 | |
| Bourennane et al. | Fast coherent signal subspace-based method for bearing and range of buried objects estimation in the presence of colored noise |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |