JP2877673B2 - 時系列データ周期性検出装置 - Google Patents
時系列データ周期性検出装置Info
- Publication number
- JP2877673B2 JP2877673B2 JP5237551A JP23755193A JP2877673B2 JP 2877673 B2 JP2877673 B2 JP 2877673B2 JP 5237551 A JP5237551 A JP 5237551A JP 23755193 A JP23755193 A JP 23755193A JP 2877673 B2 JP2877673 B2 JP 2877673B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- series data
- coordinate position
- periodicity
- phase space
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Electrophonic Musical Instruments (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、時系列データの持つ周
期性情報を検出する時系列データ周期性検出装置に関
し、特に、簡単な演算処理に従いつつ、任意のデータ形
態をとる時系列データの持つ周期性情報を検出できるよ
うにする時系列データ周期性検出装置に関する。
期性情報を検出する時系列データ周期性検出装置に関
し、特に、簡単な演算処理に従いつつ、任意のデータ形
態をとる時系列データの持つ周期性情報を検出できるよ
うにする時系列データ周期性検出装置に関する。
【０００２】様々な信号処理分野で、時系列データの持
つ周期性情報を検出することが要求されている。このよ
うな時系列データの持つ周期性情報の検出は、時系列デ
ータのデータ形態を予め想定することなく実行できるよ
うにしていく必要があるとともに、実時間処理が可能と
なる構成で構築していくことが好ましい。
つ周期性情報を検出することが要求されている。このよ
うな時系列データの持つ周期性情報の検出は、時系列デ
ータのデータ形態を予め想定することなく実行できるよ
うにしていく必要があるとともに、実時間処理が可能と
なる構成で構築していくことが好ましい。
【０００３】
【従来の技術】従来では、予め処理対象となる時系列デ
ータに含まれるデータパターンを想定しておいて、この
データパターンと入力されてくる時系列データとのマッ
チング処理を実行することで、処理対象となる時系列デ
ータの持つ周期性情報を検出する構成を採っていた。
ータに含まれるデータパターンを想定しておいて、この
データパターンと入力されてくる時系列データとのマッ
チング処理を実行することで、処理対象となる時系列デ
ータの持つ周期性情報を検出する構成を採っていた。
【０００４】また、別の従来技術として、時系列データ
の過去の履歴を保存しておいて、この過去データと入力
されてくる時系列データとの自己相関関数を計算するこ
とで、処理対象となる時系列データの持つ周期性情報を
検出する構成を採ることもあった。
の過去の履歴を保存しておいて、この過去データと入力
されてくる時系列データとの自己相関関数を計算するこ
とで、処理対象となる時系列データの持つ周期性情報を
検出する構成を採ることもあった。
【０００５】
【発明が解決しようとする課題】しかしながら、前者の
従来技術に従っていると、予めデータパターンを想定し
ておく必要があるとともに、このデータパターンを含ま
ない時系列データについては、周期性情報を検出するこ
とができないという問題点があった。
従来技術に従っていると、予めデータパターンを想定し
ておく必要があるとともに、このデータパターンを含ま
ない時系列データについては、周期性情報を検出するこ
とができないという問題点があった。
【０００６】また、後者の従来技術に従っていると、過
去の長期的なデータを保存しておく必要があるととも
に、自己相関関数という計算量の多い演算処理を実行し
なければならないことから、パーソナルコンピュータの
ような小さなコンピュータでは実時間で周期性情報を検
出することができないという問題点があった。
去の長期的なデータを保存しておく必要があるととも
に、自己相関関数という計算量の多い演算処理を実行し
なければならないことから、パーソナルコンピュータの
ような小さなコンピュータでは実時間で周期性情報を検
出することができないという問題点があった。
【０００７】本発明はかかる事情に鑑みてなされたもの
であって、実時間処理を可能とする簡単な演算処理に従
いつつ、任意のデータ形態をとる時系列データの持つ周
期性情報を検出できるようにする新たな時系列データ周
期性検出装置の提供を目的とする。
であって、実時間処理を可能とする簡単な演算処理に従
いつつ、任意のデータ形態をとる時系列データの持つ周
期性情報を検出できるようにする新たな時系列データ周
期性検出装置の提供を目的とする。
【０００８】
【課題を解決するための手段】図１に本発明の原理構成
を図示する。図中、１は本発明により構成される時系列
データ周期性検出装置であって、処理対象となる時系列
データの持つ周期性情報を検出するものである。
を図示する。図中、１は本発明により構成される時系列
データ周期性検出装置であって、処理対象となる時系列
データの持つ周期性情報を検出するものである。
【０００９】この時系列データ周期性検出装置１は、特
定手段１０と、抽出手段１１と、検出手段１２と、出力
手段１３とを備える。特定手段１０は、処理対象となる
時系列データが入力されるときに、その時系列データ
と、その時系列データに連続する既入力の（ｎ−１）個
の時系列データとが示すｎ次元位相空間座標位置を特定
する。
定手段１０と、抽出手段１１と、検出手段１２と、出力
手段１３とを備える。特定手段１０は、処理対象となる
時系列データが入力されるときに、その時系列データ
と、その時系列データに連続する既入力の（ｎ−１）個
の時系列データとが示すｎ次元位相空間座標位置を特定
する。
【００１０】この特定手段１０は、新たに特定するｎ次
元位相空間座標位置の近傍領域に、既特定のｎ次元位相
空間座標位置が存在するときには、その新たに特定する
ｎ次元位相空間座標位置をその既特定のｎ次元位相空間
座標位置とみなすことで、ｎ次元位相空間座標位置を特
定していくことがある。
元位相空間座標位置の近傍領域に、既特定のｎ次元位相
空間座標位置が存在するときには、その新たに特定する
ｎ次元位相空間座標位置をその既特定のｎ次元位相空間
座標位置とみなすことで、ｎ次元位相空間座標位置を特
定していくことがある。
【００１１】抽出手段１１は、特定手段１０の特定する
ｎ次元位相空間座標位置の出現頻度を時系列データの揺
らぎを考慮しつつ評価することで、ｎ次元位相空間座標
位置の特徴点を抽出するものであり、新たに抽出する特
徴点の近傍領域に、既抽出の特徴点が存在するときに
は、その新たに抽出する特徴点をその既抽出の特徴点と
みなすことで、特徴点を抽出していくことがある。
ｎ次元位相空間座標位置の出現頻度を時系列データの揺
らぎを考慮しつつ評価することで、ｎ次元位相空間座標
位置の特徴点を抽出するものであり、新たに抽出する特
徴点の近傍領域に、既抽出の特徴点が存在するときに
は、その新たに抽出する特徴点をその既抽出の特徴点と
みなすことで、特徴点を抽出していくことがある。
【００１２】この抽出手段１１は、特定手段１０の特定
するｎ次元位相空間座標位置の近傍領域に、そのｎ次元
位相空間座標位置を中心として重み付けされる埋込値を
割り付ける割付手段１４と、規定周期で動作して、割付
手段１４の割り付ける埋込値を減衰させることで埋込値
を更新する更新手段１５と、更新手段１５の更新する埋
込値の大きさを評価することで、ｎ次元位相空間座標位
置の特徴点を決定する決定手段１６とから構成されるこ
とがある。
するｎ次元位相空間座標位置の近傍領域に、そのｎ次元
位相空間座標位置を中心として重み付けされる埋込値を
割り付ける割付手段１４と、規定周期で動作して、割付
手段１４の割り付ける埋込値を減衰させることで埋込値
を更新する更新手段１５と、更新手段１５の更新する埋
込値の大きさを評価することで、ｎ次元位相空間座標位
置の特徴点を決定する決定手段１６とから構成されるこ
とがある。
【００１３】検出手段１２は、抽出手段１１の抽出する
特徴点について、始点の特徴点と終点の特徴点とが一致
するか否かをチェックするとともに、全ての特徴点が通
過するか否かをチェックすることで、それらの抽出され
る特徴点の時系列データの持つ周期性情報を検出する。
この検出手段１２は、特徴点の連続抽出が途切れる場合
には、その後に初めて抽出される特徴点を始点として設
定して周期性検出処理を実行していく。
特徴点について、始点の特徴点と終点の特徴点とが一致
するか否かをチェックするとともに、全ての特徴点が通
過するか否かをチェックすることで、それらの抽出され
る特徴点の時系列データの持つ周期性情報を検出する。
この検出手段１２は、特徴点の連続抽出が途切れる場合
には、その後に初めて抽出される特徴点を始点として設
定して周期性検出処理を実行していく。
【００１４】出力手段１３は、検出手段１２の検出する
周期性情報から、処理対象となる時系列データの持つ周
期性情報を決定して出力する。
周期性情報から、処理対象となる時系列データの持つ周
期性情報を決定して出力する。
【００１５】
【作用】本発明の時系列データ周期性検出装置１では、
特定手段１０は、処理対象となる時系列データが入力さ
れるときに、その時系列データと、その時系列データに
連続する既入力の（ｎ−１）個の時系列データとが示す
ｎ次元位相空間座標位置を特定する。「ｎ＝２」の例で
説明するならば、時系列データが、 「ｘi →ｘi+1 →ｘi+2 →ｘi+3 →」 と入力されてくる場合には、図２に示すように、 「（ｘi,ｘi+1 ）→（ｘi+1,ｘi+2 ）→（ｘ
i+2,ｘi+3 ）→」 と２次元位相空間座標位置を特定していくのである。
特定手段１０は、処理対象となる時系列データが入力さ
れるときに、その時系列データと、その時系列データに
連続する既入力の（ｎ−１）個の時系列データとが示す
ｎ次元位相空間座標位置を特定する。「ｎ＝２」の例で
説明するならば、時系列データが、 「ｘi →ｘi+1 →ｘi+2 →ｘi+3 →」 と入力されてくる場合には、図２に示すように、 「（ｘi,ｘi+1 ）→（ｘi+1,ｘi+2 ）→（ｘ
i+2,ｘi+3 ）→」 と２次元位相空間座標位置を特定していくのである。
【００１６】この特定処理を受けて、割付手段１４は、
特定されたｎ次元位相空間座標位置の近傍領域に、その
ｎ次元位相空間座標位置を中心として重み付けされる埋
込値を割り付ける。「ｎ＝２」の例で説明するならば、
例えば図３に示すように、特定された座標位置について
は重み２０の埋込値、左右上下で隣接する座標位置につ
いては重み５の埋込値、対角線で隣接する座標位置につ
いては重み１の埋込値といった重み付けされる埋込値を
割り付けるのである。
特定されたｎ次元位相空間座標位置の近傍領域に、その
ｎ次元位相空間座標位置を中心として重み付けされる埋
込値を割り付ける。「ｎ＝２」の例で説明するならば、
例えば図３に示すように、特定された座標位置について
は重み２０の埋込値、左右上下で隣接する座標位置につ
いては重み５の埋込値、対角線で隣接する座標位置につ
いては重み１の埋込値といった重み付けされる埋込値を
割り付けるのである。
【００１７】この割付処理に従って、次々と処理対象と
なる時系列データが入力されてくると、その時系列デー
タの指すｎ次元位相空間座標位置を中心とする近傍領域
に埋込値が割り付けられていくことで、時系列データの
持つ周期性に応じてその割り付けられる埋込値が増加し
ていくことになるが、更新手段１５は、ノイズ成分とな
る時系列データ部分の埋込値の発生を避けるために、規
定周期に達すると、この割り付けられた埋込値を減衰さ
せることで埋込値を更新していく。そして、この更新処
理を受けて、決定手段１６は、規定以上の大きさの埋込
値を持つｎ次元位相空間座標位置を特徴点として動的に
決定していく。
なる時系列データが入力されてくると、その時系列デー
タの指すｎ次元位相空間座標位置を中心とする近傍領域
に埋込値が割り付けられていくことで、時系列データの
持つ周期性に応じてその割り付けられる埋込値が増加し
ていくことになるが、更新手段１５は、ノイズ成分とな
る時系列データ部分の埋込値の発生を避けるために、規
定周期に達すると、この割り付けられた埋込値を減衰さ
せることで埋込値を更新していく。そして、この更新処
理を受けて、決定手段１６は、規定以上の大きさの埋込
値を持つｎ次元位相空間座標位置を特徴点として動的に
決定していく。
【００１８】このようにして、抽出手段１１の処理に従
ってｎ次元位相空間座標位置の特徴点が時系列データの
揺らぎに影響されずに抽出されると、検出手段１２は、
新たに終点となる特徴点が与えられる度毎に、抽出され
た特徴点について、始点の特徴点と終点の特徴点とが一
致するか否かをチェックするとともに、全ての特徴点が
通過するか否かをチェックすることで、それらの抽出さ
れた特徴点の時系列データの持つ周期性情報を検出す
る。
ってｎ次元位相空間座標位置の特徴点が時系列データの
揺らぎに影響されずに抽出されると、検出手段１２は、
新たに終点となる特徴点が与えられる度毎に、抽出され
た特徴点について、始点の特徴点と終点の特徴点とが一
致するか否かをチェックするとともに、全ての特徴点が
通過するか否かをチェックすることで、それらの抽出さ
れた特徴点の時系列データの持つ周期性情報を検出す
る。
【００１９】すなわち、処理対象となる時系列データが
周期性を持たない場合には、全ての特徴点を通過しない
ものとなったり、図４（ａ）に示すように、軌道がラン
ダムな動きを続けることで始点と終点とが一致しないも
のとなったりし、一方、処理対象となる時系列データが
周期性を持つ場合には、その周期性に応じて、図４
（ｂ）に示すように固定点となったり、図４（ｃ）に示
すように、始点の特徴点から始まって全ての特徴点を通
過（２度以上通過することもある）した後に最後に始点
の特徴点に戻ってくる動きをするので、この特徴点の軌
跡を追跡することで抽出された特徴点の時系列データの
持つ周期性情報を検出するのである。
周期性を持たない場合には、全ての特徴点を通過しない
ものとなったり、図４（ａ）に示すように、軌道がラン
ダムな動きを続けることで始点と終点とが一致しないも
のとなったりし、一方、処理対象となる時系列データが
周期性を持つ場合には、その周期性に応じて、図４
（ｂ）に示すように固定点となったり、図４（ｃ）に示
すように、始点の特徴点から始まって全ての特徴点を通
過（２度以上通過することもある）した後に最後に始点
の特徴点に戻ってくる動きをするので、この特徴点の軌
跡を追跡することで抽出された特徴点の時系列データの
持つ周期性情報を検出するのである。
【００２０】そして、この検出処理を受けて、出力手段
１３は、検出された特徴点の周期性情報から、処理対象
となる時系列データの持つ周期性情報を決定して出力す
る。このように、本発明では、実時間処理を可能とする
簡単な演算処理に従いつつ、任意のデータ形態をとる時
系列データの持つ周期性情報を検出できるようになる。
１３は、検出された特徴点の周期性情報から、処理対象
となる時系列データの持つ周期性情報を決定して出力す
る。このように、本発明では、実時間処理を可能とする
簡単な演算処理に従いつつ、任意のデータ形態をとる時
系列データの持つ周期性情報を検出できるようになる。
【００２１】
【実施例】以下、実施例に従って本発明を詳細に説明す
る。本発明の時系列データ周期性検出装置１は、時系列
データの持つ周期性情報を検出する機能を持つものであ
り、例えば、太鼓等の発するリズムパターンの音声信号
等を検出対象とするものである。
る。本発明の時系列データ周期性検出装置１は、時系列
データの持つ周期性情報を検出する機能を持つものであ
り、例えば、太鼓等の発するリズムパターンの音声信号
等を検出対象とするものである。
【００２２】このようなリズムパターンの音声信号を検
出対象とする場合には、図５に示すように、リズムパタ
ーンの音声信号に含まれる発音部分の時間間隔ｘを検出
して、この時間間隔ｘの時系列データを処理していくこ
とになる。
出対象とする場合には、図５に示すように、リズムパタ
ーンの音声信号に含まれる発音部分の時間間隔ｘを検出
して、この時間間隔ｘの時系列データを処理していくこ
とになる。
【００２３】図６に、このようなリズムパターンの音声
信号の持つ周期性情報を検出するために、本発明の時系
列データ周期性検出装置１が実行する処理フローの一実
施例を図示する。次に、この処理フローに従って、本発
明の周期性検出処理について詳細に説明する。
信号の持つ周期性情報を検出するために、本発明の時系
列データ周期性検出装置１が実行する処理フローの一実
施例を図示する。次に、この処理フローに従って、本発
明の周期性検出処理について詳細に説明する。
【００２４】本発明の時系列データ周期性検出装置１
は、リズムパターンの音声信号の持つ周期性情報の検出
要求があると、図６の処理フローに示すように、先ず最
初に、ステップ１で、パラメータの初期化処理を実行す
る。
は、リズムパターンの音声信号の持つ周期性情報の検出
要求があると、図６の処理フローに示すように、先ず最
初に、ステップ１で、パラメータの初期化処理を実行す
る。
【００２５】次に、ステップ２で、後述するステップ６
の処理に従って累積加算される埋込値の減衰タイミング
周期に達したのか否かを判断して、達したことを判断す
るときには、ステップ３に進んで、全ての埋込値を規定
量減算（除算方式を採ることもある）させることで減衰
させる。ノイズを含むデータが入力されてくることで埋
込値が発生するようなことがあっても、このノイズデー
タが同一の２次元位相空間座標位置を通過することはほ
とんど起こらないので、この減衰処理に従って、このノ
イズデータの埋込値はある時間の経過後には確実に除去
されることになる。
の処理に従って累積加算される埋込値の減衰タイミング
周期に達したのか否かを判断して、達したことを判断す
るときには、ステップ３に進んで、全ての埋込値を規定
量減算（除算方式を採ることもある）させることで減衰
させる。ノイズを含むデータが入力されてくることで埋
込値が発生するようなことがあっても、このノイズデー
タが同一の２次元位相空間座標位置を通過することはほ
とんど起こらないので、この減衰処理に従って、このノ
イズデータの埋込値はある時間の経過後には確実に除去
されることになる。
【００２６】ステップ２で減衰タイミングに達していな
いことを判断するときと、ステップ３で減衰処理を実行
すると、続いて、ステップ４で、リズムパターンの発音
部分が入力されて来た否かを判断して、入力されて来な
いことを判断するときにはステップ２に戻り、入力され
て来たことを判断するときには、ステップ５に進んで、
前回入力されて来たリズムパターンの発音部分との間の
時間間隔ｘi を求める。
いことを判断するときと、ステップ３で減衰処理を実行
すると、続いて、ステップ４で、リズムパターンの発音
部分が入力されて来た否かを判断して、入力されて来な
いことを判断するときにはステップ２に戻り、入力され
て来たことを判断するときには、ステップ５に進んで、
前回入力されて来たリズムパターンの発音部分との間の
時間間隔ｘi を求める。
【００２７】続いて、ステップ６で、前回のステップ５
で求めた時間間隔ｘi-1 と、ステップ５で求めた時間間
隔ｘi とが指す２次元位相空間座標位置（ｘi-1,ｘi ）
を特定して、この特定した２次元位相空間座標位置（ｘ
i-1,ｘi ）の近傍領域に、この２次元位相空間座標位置
（ｘi-1,ｘi ）を中心として重み付けされる埋込値を埋
め込む。この埋込処理は、例えば図３に示したような埋
込値を使って、前回までに埋め込んだ埋込値に累積加算
（乗算方式を採ることもある）することで実行されるも
のであり、この埋込処理に従って、処理対象となる時系
列データｘi に周期性が存在する場合には、その周期性
に依存する２次元位相空間座標位置近傍領域にのみ埋込
値が累積加算されていくことになる。
で求めた時間間隔ｘi-1 と、ステップ５で求めた時間間
隔ｘi とが指す２次元位相空間座標位置（ｘi-1,ｘi ）
を特定して、この特定した２次元位相空間座標位置（ｘ
i-1,ｘi ）の近傍領域に、この２次元位相空間座標位置
（ｘi-1,ｘi ）を中心として重み付けされる埋込値を埋
め込む。この埋込処理は、例えば図３に示したような埋
込値を使って、前回までに埋め込んだ埋込値に累積加算
（乗算方式を採ることもある）することで実行されるも
のであり、この埋込処理に従って、処理対象となる時系
列データｘi に周期性が存在する場合には、その周期性
に依存する２次元位相空間座標位置近傍領域にのみ埋込
値が累積加算されていくことになる。
【００２８】続いて、ステップ７で、ステップ６で特定
した２次元位相空間座標位置（ｘi- 1,ｘi ）近傍領域の
持つ埋込値が規定のスライスレベルを越えているか否か
を判断して、越えないことを判断するときには、ステッ
プ８に進んで、後述するステップ１２で記憶した軌道履
歴情報のクリア処理を実行してからステップ２に戻って
いく。すなわち、これから説明する特徴点の連続検出が
途切れる場合には、軌道履歴情報をクリアして最初から
処理をやり直すのである。
した２次元位相空間座標位置（ｘi- 1,ｘi ）近傍領域の
持つ埋込値が規定のスライスレベルを越えているか否か
を判断して、越えないことを判断するときには、ステッ
プ８に進んで、後述するステップ１２で記憶した軌道履
歴情報のクリア処理を実行してからステップ２に戻って
いく。すなわち、これから説明する特徴点の連続検出が
途切れる場合には、軌道履歴情報をクリアして最初から
処理をやり直すのである。
【００２９】一方、ステップ７でスライスレベルを越え
ることを判断するときには、ステップ９に進んで、ステ
ップ６で特定した２次元位相空間座標位置（ｘ
i-1,ｘi ）を特徴点として設定するとともに、この設定
した特徴点の近傍領域に前回までの処理に従って特徴点
として設定されているものがあるか否かを判断する。す
なわち、埋込値を累積的にエリアプロットしていって、
大きな埋込値を示す２次元位相空間座標位置（ｘi-1,ｘ
i ）を特徴点として設定していくことで、時系列データ
ｘi の揺らぎの影響を取り除くのである。
ることを判断するときには、ステップ９に進んで、ステ
ップ６で特定した２次元位相空間座標位置（ｘ
i-1,ｘi ）を特徴点として設定するとともに、この設定
した特徴点の近傍領域に前回までの処理に従って特徴点
として設定されているものがあるか否かを判断する。す
なわち、埋込値を累積的にエリアプロットしていって、
大きな埋込値を示す２次元位相空間座標位置（ｘi-1,ｘ
i ）を特徴点として設定していくことで、時系列データ
ｘi の揺らぎの影響を取り除くのである。
【００３０】ここで、２次元位相空間座標位置（ｘi-1,
ｘi ）を特徴点として設定するのではなくて、その近傍
領域に含まれる実際に埋込値が越える２次元位相空間座
標位置を特徴点として設定してもよい。なお、特徴点は
動的に変更されるものであって、一度特徴点として設定
されても、ステップ３の減衰処理に従って埋込値が減衰
させられてしまう場合には設定が解除されることにな
る。
ｘi ）を特徴点として設定するのではなくて、その近傍
領域に含まれる実際に埋込値が越える２次元位相空間座
標位置を特徴点として設定してもよい。なお、特徴点は
動的に変更されるものであって、一度特徴点として設定
されても、ステップ３の減衰処理に従って埋込値が減衰
させられてしまう場合には設定が解除されることにな
る。
【００３１】ステップ９で近傍領域に既設定の特徴点が
存在しないことを判断するときには、ステップ１０に進
んで、ステップ９で設定した特徴点をそのまま新設の特
徴点として扱うように設定する。一方、存在することを
判断するときには、ステップ１１に進んで、ステップ９
で設定した特徴点をその既設定の特徴点のものとして扱
うように設定する。すなわち、図７に示すように、既設
定の特徴点Ａの近傍領域に新たに設定した特徴点Ｂは、
ノイズを考慮して、特徴点Ａと同一の２次元位相空間座
標位置であるとみなすように処理するのである。
存在しないことを判断するときには、ステップ１０に進
んで、ステップ９で設定した特徴点をそのまま新設の特
徴点として扱うように設定する。一方、存在することを
判断するときには、ステップ１１に進んで、ステップ９
で設定した特徴点をその既設定の特徴点のものとして扱
うように設定する。すなわち、図７に示すように、既設
定の特徴点Ａの近傍領域に新たに設定した特徴点Ｂは、
ノイズを考慮して、特徴点Ａと同一の２次元位相空間座
標位置であるとみなすように処理するのである。
【００３２】ステップ１０／ステップ１１での処理を終
了すると、続いて、ステップ１２で、ステップ１０／ス
テップ１１で設定した新たな特徴点を終点の特徴点とし
て定義して、特徴点を通った順序を軌道追跡すること
で、時系列データｘi の持つ周期性情報を検出する。す
なわち、時系列データｘi が周期性を持つ場合には、そ
の周期性に応じて、始点の特徴点から始まって全ての特
徴点を通過（２度以上通過することもある）した後に最
後に始点の特徴点に戻ってくる動きをするので、この特
徴点の軌跡を追跡することで時系列データｘi の持つ周
期性情報を検出するのである。例えば、図８に示すよう
に、「特徴点Ａ→特徴点Ｂ→特徴点Ｃ→特徴点Ａ」とい
う動きをする場合には、時系列データｘi が周期性を持
つことになる。
了すると、続いて、ステップ１２で、ステップ１０／ス
テップ１１で設定した新たな特徴点を終点の特徴点とし
て定義して、特徴点を通った順序を軌道追跡すること
で、時系列データｘi の持つ周期性情報を検出する。す
なわち、時系列データｘi が周期性を持つ場合には、そ
の周期性に応じて、始点の特徴点から始まって全ての特
徴点を通過（２度以上通過することもある）した後に最
後に始点の特徴点に戻ってくる動きをするので、この特
徴点の軌跡を追跡することで時系列データｘi の持つ周
期性情報を検出するのである。例えば、図８に示すよう
に、「特徴点Ａ→特徴点Ｂ→特徴点Ｃ→特徴点Ａ」とい
う動きをする場合には、時系列データｘi が周期性を持
つことになる。
【００３３】続いて、ステップ１３で軌道が閉ループを
描くことを判断するとき、すなわち、始点の特徴点から
始まって全ての特徴点を通過した後に最後に始点の特徴
点に戻ってくる動きが成立することを判断するときに
は、ステップ８に進んで、ステップ１２で記憶した軌道
履歴情報のクリア処理を実行してからステップ２に戻っ
ていくとともに、ステップ１４に進んで、その閉ループ
から時系列データｘi の持つ周期性情報を決定して出力
する。一方、ステップ１３で閉ループを描かないことを
判断するときには、直ちにステップ２に戻っていく。
描くことを判断するとき、すなわち、始点の特徴点から
始まって全ての特徴点を通過した後に最後に始点の特徴
点に戻ってくる動きが成立することを判断するときに
は、ステップ８に進んで、ステップ１２で記憶した軌道
履歴情報のクリア処理を実行してからステップ２に戻っ
ていくとともに、ステップ１４に進んで、その閉ループ
から時系列データｘi の持つ周期性情報を決定して出力
する。一方、ステップ１３で閉ループを描かないことを
判断するときには、直ちにステップ２に戻っていく。
【００３４】このようにして、例えば図９に示すよう
に、リズムパターンの音声信号の時系列データｘi が、 「４０→４０→２０→２０→４０→４０→２０→２０
→」 と生成される場合には、 「(40,40）→(40,20）→(20,20）→(20,40）→(40,40）
→(40,20）→」 と２次元位相空間座標位置が特定されていって、これら
の空間座標位置が連続的に複数回数プロットされること
で特徴点として設定されて、この設定により 「(40,40）→(40,20）→(20,20）→(20,40）→(40,4
0）」 という閉ループが検出されることで、 「４０→４０→２０→２０」 というリズムパターンの音声信号の持つ周期性情報が検
出されて出力されていくことになるのである。
に、リズムパターンの音声信号の時系列データｘi が、 「４０→４０→２０→２０→４０→４０→２０→２０
→」 と生成される場合には、 「(40,40）→(40,20）→(20,20）→(20,40）→(40,40）
→(40,20）→」 と２次元位相空間座標位置が特定されていって、これら
の空間座標位置が連続的に複数回数プロットされること
で特徴点として設定されて、この設定により 「(40,40）→(40,20）→(20,20）→(20,40）→(40,4
0）」 という閉ループが検出されることで、 「４０→４０→２０→２０」 というリズムパターンの音声信号の持つ周期性情報が検
出されて出力されていくことになるのである。
【００３５】このように、本発明の時系列データ周期性
検出装置１は、図６の処理フローを実行することで、ノ
イズの影響を受けることなく、簡単な演算処理に従っ
て、リズムパターンの音声信号の持つ周期性情報を検出
して出力していくよう処理するのである。
検出装置１は、図６の処理フローを実行することで、ノ
イズの影響を受けることなく、簡単な演算処理に従っ
て、リズムパターンの音声信号の持つ周期性情報を検出
して出力していくよう処理するのである。
【００３６】なお、この図６の処理フローでは、ノイズ
の影響を排除するために、新たに検出する特徴点の近傍
領域に既検出の特徴点が存在するときには、その新たに
検出する特徴点をその既検出の特徴点とみなすという構
成を採ったが、ステップ６で２次元位相空間座標位置
（ｘi-1,ｘi ）を特定するときに、新たに特定する空間
座標位置の近傍領域に既特定の空間座標位置が存在する
ときには、その新たに特定する空間座標位置をその既特
定の空間座標位置とみなすという構成を採ることも可能
である。
の影響を排除するために、新たに検出する特徴点の近傍
領域に既検出の特徴点が存在するときには、その新たに
検出する特徴点をその既検出の特徴点とみなすという構
成を採ったが、ステップ６で２次元位相空間座標位置
（ｘi-1,ｘi ）を特定するときに、新たに特定する空間
座標位置の近傍領域に既特定の空間座標位置が存在する
ときには、その新たに特定する空間座標位置をその既特
定の空間座標位置とみなすという構成を採ることも可能
である。
【００３７】また、この図６の処理フローでは、時系列
データｘi を２次元位相空間にプロットするという構成
を採ったが、３次元以上の位相空間にプロットするとい
う構成を採ることも可能である。このような高い次元の
位相空間にプロットすると、２次元位相空間でのプロッ
トであれば同じ空間座標位置を通過することになった特
徴点が異なる空間座標位置にばらけるという利点がで
る。
データｘi を２次元位相空間にプロットするという構成
を採ったが、３次元以上の位相空間にプロットするとい
う構成を採ることも可能である。このような高い次元の
位相空間にプロットすると、２次元位相空間でのプロッ
トであれば同じ空間座標位置を通過することになった特
徴点が異なる空間座標位置にばらけるという利点がで
る。
【００３８】本発明の時系列データ周期性検出装置１
は、簡単な演算処理に従って時系列データの持つ周期性
情報を検出することができるので、小さなコンピュータ
でも時系列データの持つ周期性情報を実時間処理で検出
できることになる。これから、様々な分野への応用が考
えられる。
は、簡単な演算処理に従って時系列データの持つ周期性
情報を検出することができるので、小さなコンピュータ
でも時系列データの持つ周期性情報を実時間処理で検出
できることになる。これから、様々な分野への応用が考
えられる。
【００３９】例えば、本発明の時系列データ周期性検出
装置１を用いることで、人間の手拍子等の発生する特定
のリズムを聞かせたときにのみ反応して、そのリズムの
物まねをする人形を実現することができる。このような
ときにも、そのリズムに含まれる揺らぎにも影響されず
に動作を実現できることから、人間の認識するリズム感
と同じに動作することができることとなって、非常に生
物らしく自然な親しみのある玩具を提供できることにな
る。
装置１を用いることで、人間の手拍子等の発生する特定
のリズムを聞かせたときにのみ反応して、そのリズムの
物まねをする人形を実現することができる。このような
ときにも、そのリズムに含まれる揺らぎにも影響されず
に動作を実現できることから、人間の認識するリズム感
と同じに動作することができることとなって、非常に生
物らしく自然な親しみのある玩具を提供できることにな
る。
【００４０】また、本発明の時系列データ周期性検出装
置１を用いることで、音楽教師が数回手拍子したパター
ンを検出して、その後に続けて同じパターンを連続的に
再生するといったテンポ誘導用のメトロノームを実現す
ることができる。このメトロノームによれば、通常のメ
トロノームと違って人間の自然な揺らぎが加わっている
ために、音楽の演奏にも表情がつけやすく同調もしやす
い。そして、そのパターンは、単なる拍子ばかりでなく
て更に複雑なパターンであることも許されるので、更に
音楽的に豊かな演奏を促す効果をもたらすことが期待で
きる。
置１を用いることで、音楽教師が数回手拍子したパター
ンを検出して、その後に続けて同じパターンを連続的に
再生するといったテンポ誘導用のメトロノームを実現す
ることができる。このメトロノームによれば、通常のメ
トロノームと違って人間の自然な揺らぎが加わっている
ために、音楽の演奏にも表情がつけやすく同調もしやす
い。そして、そのパターンは、単なる拍子ばかりでなく
て更に複雑なパターンであることも許されるので、更に
音楽的に豊かな演奏を促す効果をもたらすことが期待で
きる。
【００４１】また、本発明の時系列データ周期性検出装
置１を用いることで、キー打鍵の強弱やスピードのパタ
ーンを取り込んで、このパターンに対応するコマンドを
発行するといった計算機システムにおける新たなデータ
入力方式を実現することもできる。
置１を用いることで、キー打鍵の強弱やスピードのパタ
ーンを取り込んで、このパターンに対応するコマンドを
発行するといった計算機システムにおける新たなデータ
入力方式を実現することもできる。
【００４２】
【発明の効果】以上説明したように、本発明によれば、
予めデータパターンを想定することなく時系列データの
持つ周期性情報を検出できるようになるとともに、自己
相関関数のような計算量の多い演算処理を用いることな
く時系列データの持つ周期性情報を検出できるようにな
る。
予めデータパターンを想定することなく時系列データの
持つ周期性情報を検出できるようになるとともに、自己
相関関数のような計算量の多い演算処理を用いることな
く時系列データの持つ周期性情報を検出できるようにな
る。
【００４３】このように、本発明を用いることで、実時
間処理を可能とする簡単な演算処理に従いつつ、任意の
データ形態をとる時系列データの持つ周期性情報を検出
できるようになるのである。
間処理を可能とする簡単な演算処理に従いつつ、任意の
データ形態をとる時系列データの持つ周期性情報を検出
できるようになるのである。
【図１】本発明の原理構成図である。
【図２】２次元位相空間座標位置の特定処理の説明図で
ある。
ある。
【図３】埋込値の説明図である。
【図４】特徴点の示す周期性の説明図である。
【図５】処理対象となる時系列データの一例である。
【図６】本発明の実行する処理フローの一実施例であ
る。
る。
【図７】本発明の処理の説明図である。
【図８】本発明の処理の説明図である。
【図９】本発明の処理の説明図である。
１ 時系列データ周期性検出装置 １０ 特定手段 １１ 抽出手段 １２ 検出手段 １３ 出力手段 １４ 割付手段 １５ 更新手段 １６ 決定手段
フロントページの続き (56)参考文献 特開 平４−336599（ＪＰ，Ａ) 特開 昭63−61181（ＪＰ，Ａ) 特開 昭62−209495（ＪＰ，Ａ) 実開 昭63−113197（ＪＰ，Ｕ) (58)調査した分野(Int.Cl.6，ＤＢ名) G10H 1/00 - 1/00 102 G10H 1/36 - 1/40 G04F 5/02 G04F 10/04 A63H 5/00 A63H 13/04
Claims (6)
- 【請求項１】 処理対象となる時系列データの持つ周期
性情報を検出する時系列データ周期性検出装置におい
て、 処理対象となる時系列データが入力されるときに、該時
系列データと、該時系列データに連続する既入力の（ｎ
−１）個の時系列データとが示すｎ次元位相空間座標位
置を特定する特定手段(10)と、 上記特定手段(10)の特定するｎ次元位相空間座標位置の
出現頻度を時系列データの揺らぎを考慮しつつ評価する
ことで、ｎ次元位相空間座標位置の特徴点を抽出する抽
出手段(11)と、 上記抽出手段(11)の抽出する特徴点について、始点の特
徴点と終点の特徴点とが一致するか否かをチェックする
とともに、全ての特徴点が通過するか否かをチェックす
ることで、上記抽出手段(11)の抽出する特徴点の時系列
データの持つ周期性情報を検出する検出手段(12)と、 上記検出手段(12)の検出する周期性情報から、処理対象
となる時系列データの持つ周期性情報を決定して出力す
る出力手段(13)とを備えることを、 特徴とする時系列データ周期性検出装置。 - 【請求項２】 請求項１記載の時系列データ周期性検出
装置において、 特定手段(10)は、新たに特定するｎ次元位相空間座標位
置の近傍領域に、既特定のｎ次元位相空間座標位置が存
在するときには、その新たに特定するｎ次元位相空間座
標位置をその既特定のｎ次元位相空間座標位置とみなす
ことで、ｎ次元位相空間座標位置を特定するよう処理す
ることを、 特徴とする時系列データ周期性検出装置。 - 【請求項３】 請求項１又は２記載の時系列データ周期
性検出装置において、 抽出手段(11)は、新たに抽出する特徴点の近傍領域に、
既抽出の特徴点が存在するときには、その新たに抽出す
る特徴点をその既抽出の特徴点とみなすことで、特徴点
を抽出するよう処理することを、 特徴とする時系列データ周期性検出装置。 - 【請求項４】 請求項１、２又は３記載の時系列データ
周期性検出装置において、 検出手段(12)は、特徴点の連続抽出が途切れる場合に
は、その後に初めて抽出される特徴点を始点として設定
して周期性検出処理を実行するよう処理することを、 特徴とする時系列データ周期性検出装置。 - 【請求項５】 請求項１、２、３又は４記載の時系列デ
ータ周期性検出装置において、 抽出手段(11)は、 特定手段(10)の特定するｎ次元位相空間座標位置の近傍
領域に、該ｎ次元位相空間座標位置を中心として重み付
けされる埋込値を割り付ける割付手段(14)と、 上記割付手段(14)の割り付ける埋込値の大きさを評価す
ることで、ｎ次元位相空間座標位置の特徴点を決定する
決定手段(16)とから構成されることを、 特徴とする時系列データ周期性検出装置。 - 【請求項６】 請求項５記載の時系列データ周期性検出
装置において、 抽出手段(11)は、更に、規定周期で動作して、割付手段
(14)の割り付ける埋込値を減衰させることで埋込値を更
新する更新手段(15)を備え、 決定手段(16)は、上記更新手段(15)の更新する埋込値の
大きさを評価することで、ｎ次元位相空間座標位置の特
徴点を決定するよう処理することを、 特徴とする時系列データ周期性検出装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5237551A JP2877673B2 (ja) | 1993-09-24 | 1993-09-24 | 時系列データ周期性検出装置 |
| US08/311,038 US5636128A (en) | 1993-09-24 | 1994-09-26 | Apparatus for detecting periodicity in time-series data |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5237551A JP2877673B2 (ja) | 1993-09-24 | 1993-09-24 | 時系列データ周期性検出装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0792975A JPH0792975A (ja) | 1995-04-07 |
| JP2877673B2 true JP2877673B2 (ja) | 1999-03-31 |
Family
ID=17017013
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5237551A Expired - Fee Related JP2877673B2 (ja) | 1993-09-24 | 1993-09-24 | 時系列データ周期性検出装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US5636128A (ja) |
| JP (1) | JP2877673B2 (ja) |
Families Citing this family (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE60041118D1 (de) * | 2000-04-06 | 2009-01-29 | Sony France Sa | Extraktor von Rythmuseigenschaften |
| US7490107B2 (en) * | 2000-05-19 | 2009-02-10 | Nippon Telegraph & Telephone Corporation | Information search method and apparatus of time-series data using multi-dimensional time-series feature vector and program storage medium |
| US20090005984A1 (en) * | 2007-05-31 | 2009-01-01 | James Roy Bradley | Apparatus and method for transit prediction |
| PT2435825E (pt) | 2009-05-27 | 2015-11-02 | Biotempus Ltd | Métodos para o tratamento de doenças |
| US8507781B2 (en) * | 2009-06-11 | 2013-08-13 | Harman International Industries Canada Limited | Rhythm recognition from an audio signal |
| US20150177250A1 (en) | 2012-06-18 | 2015-06-25 | Mayo Foundation For Medical Education And Research | Determination of efficient time(s) for chemotherapy delivery |
| WO2014132547A1 (ja) | 2013-02-28 | 2014-09-04 | 日本電気株式会社 | 周期性検出方法、周期性検出装置および周期性検出プログラム |
| US10510327B2 (en) * | 2017-04-27 | 2019-12-17 | Harman International Industries, Incorporated | Musical instrument for input to electrical devices |
| US11296960B2 (en) | 2018-03-08 | 2022-04-05 | Nicira, Inc. | Monitoring distributed applications |
| CN109918272B (zh) * | 2018-12-18 | 2022-06-21 | 创新先进技术有限公司 | 报警消息的周期性确定方法、装置及设备 |
| US11436075B2 (en) | 2019-07-23 | 2022-09-06 | Vmware, Inc. | Offloading anomaly detection from server to host |
| US11288256B2 (en) | 2019-07-23 | 2022-03-29 | Vmware, Inc. | Dynamically providing keys to host for flow aggregation |
| US11349876B2 (en) | 2019-07-23 | 2022-05-31 | Vmware, Inc. | Security policy recommendation generation |
| US11188570B2 (en) | 2019-07-23 | 2021-11-30 | Vmware, Inc. | Using keys to aggregate flow attributes at host |
| US11140090B2 (en) * | 2019-07-23 | 2021-10-05 | Vmware, Inc. | Analyzing flow group attributes using configuration tags |
| US11340931B2 (en) | 2019-07-23 | 2022-05-24 | Vmware, Inc. | Recommendation generation based on selection of selectable elements of visual representation |
| US11398987B2 (en) | 2019-07-23 | 2022-07-26 | Vmware, Inc. | Host-based flow aggregation |
| US11176157B2 (en) | 2019-07-23 | 2021-11-16 | Vmware, Inc. | Using keys to aggregate flows at appliance |
| US11743135B2 (en) | 2019-07-23 | 2023-08-29 | Vmware, Inc. | Presenting data regarding grouped flows |
| US11321213B2 (en) | 2020-01-16 | 2022-05-03 | Vmware, Inc. | Correlation key used to correlate flow and con text data |
| US11785032B2 (en) | 2021-01-22 | 2023-10-10 | Vmware, Inc. | Security threat detection based on network flow analysis |
| US11991187B2 (en) | 2021-01-22 | 2024-05-21 | VMware LLC | Security threat detection based on network flow analysis |
| US11997120B2 (en) | 2021-07-09 | 2024-05-28 | VMware LLC | Detecting threats to datacenter based on analysis of anomalous events |
| US11831667B2 (en) | 2021-07-09 | 2023-11-28 | Vmware, Inc. | Identification of time-ordered sets of connections to identify threats to a datacenter |
| US11792151B2 (en) | 2021-10-21 | 2023-10-17 | Vmware, Inc. | Detection of threats based on responses to name resolution requests |
| US12015591B2 (en) | 2021-12-06 | 2024-06-18 | VMware LLC | Reuse of groups in security policy |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4559602A (en) * | 1983-01-27 | 1985-12-17 | Bates Jr John K | Signal processing and synthesizing method and apparatus |
| US5170359A (en) * | 1984-07-19 | 1992-12-08 | Presearch Incorporated | Transient episode detector method and apparatus |
| US5113339A (en) * | 1987-10-20 | 1992-05-12 | Sharp Kabushiki Kaisha | Data processor for detecting identical data simultaneously coexisting in a plurality of data sections of data transmission paths |
-
1993
- 1993-09-24 JP JP5237551A patent/JP2877673B2/ja not_active Expired - Fee Related
-
1994
- 1994-09-26 US US08/311,038 patent/US5636128A/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0792975A (ja) | 1995-04-07 |
| US5636128A (en) | 1997-06-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2877673B2 (ja) | 時系列データ周期性検出装置 | |
| US7478047B2 (en) | Interactive character system | |
| US5808219A (en) | Motion discrimination method and device using a hidden markov model | |
| EP3657445A1 (en) | Method and system for determining identifiers for tagging video frames with | |
| JPH09127937A (ja) | 楽音パラメータ制御装置 | |
| CN110827789A (zh) | 音乐生成方法、电子装置及计算机可读存储介质 | |
| JP2008275845A (ja) | 波形発生装置および波形発生処理プログラム | |
| JP2001517814A (ja) | 音響効果システム | |
| JPH0675562A (ja) | 自動採譜装置 | |
| KR100365989B1 (ko) | 가상 음악 영상 시스템 및 그 시스템의 영상 표시 방법 | |
| JPH08278786A (ja) | ホロニック・リズム・ジェネレータ装置 | |
| JP3780858B2 (ja) | 波形データ分析方法、波形データ分析装置およびプログラム | |
| JP3376866B2 (ja) | 音楽制御装置および記憶媒体 | |
| JP3114283B2 (ja) | 楽音信号発生装置 | |
| Shiratori et al. | Detecting dance motion structure using motion capture and musical information | |
| JP3303608B2 (ja) | 自動演奏装置 | |
| JP5347405B2 (ja) | 波形発生装置および波形発生処理プログラム | |
| JP2646812B2 (ja) | 電子楽器 | |
| WO1984003983A1 (en) | Speech recognition methods and apparatus | |
| JP2614631B2 (ja) | 自動採譜方法及び装置 | |
| JP2653456B2 (ja) | 自動採譜方法及び装置 | |
| JP2601066B2 (ja) | 楽音制御装置 | |
| JPH0633515Y2 (ja) | 電子弦楽器の周波数制御装置 | |
| JP2604405B2 (ja) | 自動採譜方法及び装置 | |
| JP2780475B2 (ja) | テンポコントローラ |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19990105 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080122 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090122 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100122 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110122 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110122 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120122 Year of fee payment: 13 |
|
| LAPS | Cancellation because of no payment of annual fees |