JP3887028B2 - 信号源特徴化システム - Google Patents

Description

【０００１】
【産業上の利用分野】
本発明は、信号源分離手段を具え、それぞれの一次信号源からの一次信号Ｘ（ｔ）の線形たたみ込み混合により形成される第１信号Ｅ（ｔ）から出発し、少なくとも１つの各一次信号Ｘ（ｔ）を特徴づける少なくとも１つの第２信号を供給する信号源特徴化システムに関するものである。
【０００２】
さらに本発明は、電気信号、音響信号又は電磁信号を伝送及び／又は受信する装置の制御のための斯種システムの用法にも関するものである。
【０００３】
【従来の技術】
一次信号の混合物から各一次信号を別々に抽出するように、これらの混合物を処理することにより、独立した複数の信号源から一次信号を分離する技法は既知である。この技法は前記混合物の形態でしか入手できない一次信号に適用され、こうした信号は一般的な線形たたみ込み混合物（linear convolutive mixtures ）に関連するものである。これらの混合物は様々な起源を有しており、こうした混合物は一次信号の伝搬メカニズム及び／又は複数の信号源からの信号の重畳メカニズム又は他の原因によって生じたりする。
【０００４】
一般に、上述したような分離技法はブラインド（盲目）的なものであり、即ち、それぞれの信号源は未知のもので、しかも未知の混合物でそれぞれ独立していると想定している。このために、こうした混合物の複数のサンプルを検出し、これらのサンプルから１個又は複数の元の一次信号を分離アルゴリズムによって再生し得るようにしている。
【０００５】
このような技法は、例えばC.JUTTEN及びJ.HERAULT 著による文献 “Blind Separation of sources"（１９９１年）の第１〜１０頁の「信号処理２１」から既知である。
【０００６】
上記文献には、入力端子にて信号混合物Ｅ（ｔ）の複数の成分を受取り、出力端子にて分離一次信号を再生するニューロンネットワークを具えている信号源分離手段が記載されている。ニューロンネットワークは再帰的に作動して、アダプティブアルゴリズムによりシナプス係数を計算する。この方法では、瞬時的な線形たたみ込み混合物、即ち任意瞬時における各信号Ｅ（ｔ）が線形結合信号である混合物を、同じ瞬時における一次信号Ｘ（ｔ）の値の固定又はゆっくり変化する実係数で処理することができる。システムそのものは絶えず様々な混合物に適合する。一般的な線形たたみ込み混合物に関しては、１９９１年７月２〜３日にフランスのパリで開催された数学の欧州学会にてC.JUTTEN及びH.L.NGUYEN THIにより発表された文献 “New algorithms for separation of sources" からも既知である。しかし、このようなシステムには、混合物の全一次信号源のブラインド分離にかなりの計算能力を必要とするという欠点がある。これは大規模な用途にとっては不利益であり、又出力端子に得られる分離信号の精度又は安定性にも問題がある。
【０００７】
【発明が解決しようとする課題】
本発明の目的は、上述したような信号源分離を利用する用途の特殊な特性を考慮することにより前記計算能力を低減させることにある。
【０００８】
【課題を解決するための手段】
本発明は、入力信号（Ｅ_１，Ｅ_２，．．．，Ｅ_ｎ）の各々が、一次信号源（Ｓ_１）からのソース信号（Ｘ_１）と他の一次信号源（Ｓ_２，．．．，Ｓ_ｎ）からの少なくとも１つの他のソース信号（Ｘ_２，．．．，Ｘ_ｎ）とのそれぞれ異なる混合物である、様々な入力信号（Ｅ_１，Ｅ_２，．．．，Ｅ_ｎ）に基づいて前記一次信号源（Ｓ_１）からのソース信号（Ｘ_１）の特性変数を決定するための信号源特徴化システムにおいて、当該信号源特徴化システムが：
前記様々な入力信号（Ｅ_１，Ｅ_２，．．．，Ｅ_ｎ）に基づいて、これら入力信号に関連すると共に異なるソース信号のそれぞれ異なる混合物の特性変数を表わす中間信号（Ｉ）を決定すべく配置した予備処理モジュール（予備処理手段）と；
前記予備処理モジュールからのそれぞれの中間信号（Ｉ）に基づいて、伝搬時定数がすべて零である線形瞬時混合物を分離することにより、前記ソース信号（Ｘ_１）の特性変数を表わす出力信号（Ｆ；Ｇ）を決定すべく配置した信号分離モジュール（信号源分離手段）と；
を具えていることを特徴とする。
【０００９】
このように信号Ｅ（ｔ）を予備処理することにより、信号源分離手段がかなり単純化され、一次信号、即ち瞬時的な線形たたみ込み混合物の特性変数を線形結合したものを処理するだけで済む。このことは出力端子に信号源の分離信号Ｘ（ｔ）を供給するのではなく、これらの信号源を特徴づける１つ以上の特性変数を供給するのである。多くの用途にとっては実際上こうした特性変数を知るだけで十分である。必要に応じ、これらの特性変数を後に処理して、出力端子に分離した信号源の信号を得ることができる。
【００１０】
上記特性変数は、平均エネルギー、スペクトル密度、自己相関関数又は他の変数とすることができる。このことは、例えば手を使わずにダイヤル操作する電話のユーザの声を検出して、音声情報を有効に処理する場合に、カーラジオの如き装置の出力電力を抑えたりするのに極めて好都合である。
【００１１】
システムは、全く同一の一次信号Ｘ（ｔ）に対する複数の特性変数用の複数の信号Ｆ（ｔ）か、複数の一次信号Ｘ（ｔ）に関連する同一又は同一でない特性変数用の複数の信号Ｆ（ｔ）のいずれかを供給するように拡張することもできることは明らかである。
【００１２】
信号のスペクトル密度の如き幾つかの特性変数に対しては、予備処理の後に事後処理して、計算した特性変数を他の特性変数に変換することができる。本発明によれば、事後処理手段を信号源分離手段の出力端子に接続する。予備処理手段によって行われる予備処理と、事後処理手段によって行われる事後処理とを組合わせることによって１つ又は複数の一次信号に対するスペクトル密度又は他の特性変数を決定することができる。
【００１３】
【実施例】
複数の信号が生じる混合物の性質に従って、これら信号Ｅ（ｔ）の幾つかのタイプが区別される。普通の線形たたみ込み混合物は次のような総称信号Ｅ_i （ｔ）を発生する。
【数１】

ここに、Ｃ_ij（ｔ）は混合物フィルタのインパルス応答であり、記号（＊）は合成積を表わす。
【００１４】
これらの一般的な混合物には、任意の信号Ｘ（ｔ）が固定の伝搬遅延時間θで、しかも一定の減衰度１／α_ijで伝搬する混合物の族が含まれる。これは特に空気中での音波の伝搬に相当する。
【００１５】
この場合の総称信号Ｅ_i （ｔ）のタイプは次のようなものである。即ち、
【数２】

ここに、θ_ijは伝搬遅延時間を定める定数であり、記号（・）は典型的な乗法を示す。これらの信号は遅延時間が零でない固定の遅延を伴なう線形たたみ込み混合物である。
【００１６】
前記混合物の族は、伝搬遅延時間θ_ijが零である混合物のサブ族を含む。この場合の総称信号Ｅ_i （ｔ）のタイプは次のようなものである。即ち、
【数３】

ここに、ａ_ijは固定又はゆっくり変化する係数（これは係数α_ijとは相違させることができる）である。これらの信号は遅延時間が零の線形瞬時又は線形たたみ込み混合物である。
【００１７】
前述したC.JUTTEN及びJ.HERAULT による引用文献は式（３）に基づく信号に関するものである。本発明は上記他の２つの種類の信号にも関するものである。
【００１８】
例として、乗物に搭載したカーラジオの音量を制御する必要がある場合につき考察する。カーラジオは周囲の音源に応じて、それが発生する音量を制御しうる手段（図示せず）を具えている。従って、周囲の雑音が増大する（窓を開けたり、速度を高めたりするため、及び駆動雑音等による）場合には、カーラジオが発生する音のレベルを高くするのが望まれる。しかし、これは周囲の音源が乗客の声により形成される場合は別である。この場合の問題は、乗客が話をしている時には音量を高くするというよりも若しろ下げることにある。これには乗客の声を識別する必要がある。
【００１９】
図１は、例えば乗客の声や、様々な雑音源（エンジン、車体、窓を通しての空気の循環等によるもの）や、カーラジオそのものによって形成される一次信号源（音源）５、Ｓｌ〜Ｓｎを示している。音を識別するために、トランスジューサＣｌ〜Ｃｎ、例えばマイクロホンが乗客スペース内に設置されている。トランスジューサはスピーカが発した音を直接ピックアップすることができる。マイクロホン（トランスジューサ）は、種々の信号源Ｓｌ〜Ｓｎにより供給される一次信号（ソース信号）Ｘ₁ （ｔ）〜Ｘ_n （ｔ）の種々の混合物から第１信号Ｅ₁ （ｔ）〜Ｅ_n （ｔ）を検出する。
【００２０】
乗客スペース内に形成される混合物は、空気中での音声信号の伝搬に直接関連すると見なすことができる。第１近似では、こうした混合物を各信号源の伝搬特性の非零減衰係数及び非零伝搬時定数によって特徴づけることができる。マイクロホンによって検出される信号Ｅ_i （ｔ）は次式によって表わすことができる。即ち、
【数４】

ここに、ｉはマイクロホンの電流指数であり、ｊは信号源の電流指数であり、１／α_ij及びθ_ijは信号源Ｓ_j からマイクロホンＥ_i までの伝搬特性のそれぞれ減衰係数及び伝搬時定数である。
【００２１】
本発明によれば、信号Ｅ_i （ｔ）を信号源特徴化システム８に入れる。このシステムは信号源分離手段（信号分離モジュール）１０が後続する予備処理手段（予備処理モジュール）２０を具えている。
【００２２】
線形瞬時信号混合物、即ち項θ_ijが全て零である（式３）混合物を分離しうる信号源分離手段は非常に簡単であり、従って式２による非零遅延の線形たたみ込み混合物を分離しうる信号源分離手段よりも実現するのが容易である。線形瞬時信号の混合物を処理する手段は、前記C.JUTTEN及びJ.HERAULT による文献に記載されているものとすることができる。
【００２３】
本発明によれば、線形瞬時信号の混合物を分離しうる信号源分離手段（１０）を選択し、この手段を予備処理手段２０の後段に設ける。予備処理手段２０は第１信号Ｅ_i（ｔ）によって形成される非零遅延の線形混合物を変換して、第３信号（中間信号）Ｉ_i（ｔ，ｐ）によって形成される前記線形結合信号を得るようにする。前記第３信号におけるｔは時間であり、ｐは関連する特性変数に対する有意なパラメータ、例えば周波数である。このパラメータｐは、特性変数を平均エネルギーとする場合には使用すべきでない。
【００２４】
予備処理手段２０の構成は識別すべき一次信号Ｘ（ｔ）の特性変数に依存する。この変数は次のようなものとすることができる。
【００２５】
−１つ以上の信号源の一次信号Ｘ（ｔ）の平均エネルギー。この場合の変数（平均エネルギー）は、連続時間間隔に対する或る所定期間に対して決定した全特性変数である。
【００２６】
−１つ以上の連続時間間隔に対する或る所定期間に対して決定した１つの一次信号Ｘ（ｔ）又は複数の一次信号Ｘ（ｔ）の自己相関関数。
【００２７】
−１つ以上の連続時間間隔に対する或る所定期間に対して決定した１つの一次信号Ｘ（ｔ）又は複数の一次信号Ｘ（ｔ）のスペクトル分布を与えるスペクトル密度。
【００２８】
専門家は本発明の範疇を逸脱することなく他の特性変数で本発明を実施することができるであろう。
【００２９】
本発明を実施するには、先ず信号Ｅ（ｔ）の直流成分を例えば低減通過フィルタ処理することにより除去する。これにより信号Ｅ（ｔ）の平均値を前記C.JUTTEN及びJ.HERAULT による文献に記載されているように零にする。
【００３０】
２つの信号源Ｓ１及びＳ２があり、２つの混合信号Ｅ１（ｔ）とＥ２（ｔ）のうちの一方の混合信号Ｅ１（ｔ）が前記２つの信号源信号の混合物となり、他方の混合信号が前記２つの信号源のうちの一方の信号源から直接到来する、又はそのように見なされる純粋信号となる特殊なケースがある。この場合の信号源分離手段１０は、前記両信号を適切に重み付けした後に前記純粋信号を他方の信号から差引くアダプティブ フィルタリング装置に単純化することができる。
【００３１】
このようなケースは純粋信号と、この純粋信号を含む複数の混合信号とを有するものに一般化することができる。
【００３２】
実際上、純粋信号は、それがスピーカにより伝送される直前にカーラジオの出力端子にて直接このカーラジオにて測定することができる。
【００３３】
例えば、一次信号Ｘ（ｔ）の平均エネルギーを求める場合につき考察する。先ず、この目的のために予備処理手段２０は平均信号エネルギーＥ_i （ｔ）を計算する。信号Ｅ₁ （ｔ）に対するこの平均エネルギーは、瞬時ｔ＝Ｔ_o から出発する期間Ｓに対して次のように定められる。即ち、
【数５】

【００３４】
式（２）による混合物を生成する２つの信号源Ｓ１及びＳ２の場合には、トランスジューサＣ１により測定される信号を次のように表わすことができる。即ち、
Ｅ１(t) ＝α₁₁・Ｘ₁(ｔ−θ₁₁) ＋α₁₂・Ｘ₂ （ｔ−θ₁₂)
非相関信号源の信号Ｘ₁ 及びＸ₂ の場合で、期間δを
θ_11, θ₁₂<<δ
となるように選択する場合の平均エネルギーは次の通りである。
【数６】

【００３５】

【００３６】
信号Ｅ_i (t) の平均エネルギーを計算して得られる信号Ｉ（ｔ，ｐ）＝ε_Ei（Ｔ₀,δ) から一次信号のエネルギーを抽出することができる。
【００３７】
図３は予備処理手段２０の一部を成す構成要素２２を示す。この要素２２は信号Ｅ_i (t) を自乗する手段２４及びこれに後続し、δの期間中の乗算結果を記憶する手段２６を具えている。要素２２の出力端子には信号Ｅ_i (t) に相当する平均エネルギーε_Eiが発生する。
【００３８】
図３の線図はディジタル信号処理に対する変形例を示したものであり、この場合には例えばキャパシタンスにより整流信号を積分することによりアナログ信号処理の場合と同じ結果を得ることができ、これも本発明の範疇を逸脱することではない。
【００３９】
予備処理手段２０は、各々が信号Ｅ_i (t) に関連する複数の構成要素２２を具えている。これには時間多重を適用することができる。出力端子には各信号Ｅ_i (t) に対応する複数の平均エネルギーε_Eiが得られる。これらの全ての平均エネルギーε_Eiは図１に示すように信号源分離手段１０に入力される。この分離手段は信号源の信号を分離し、出力信号Ｆ_i (t) （本例の場合には当面の連続時間間隔における各一次信号Ｘ_i (t) の平均エネルギーである）を供給する。
【００４０】
好ましくは信号源分離手段１０をニューロンネットワークで構成する。これは前記Ｃ．ＪＵＴＴＥＮ及びＪ．ＨＥＲＡＵＬＴによる文献に記載されているようなネットワークとする。ニューロンネットワークは当業者に既知の技法に従って次の２通りの動作をする。
− 学習段階：この学習段階では実行すべきタスクを学習する；
− 解決段階：この段階では学習したデータを用いて現行値に対応する結果を求
める。
【００４１】
こうした学習技法は、既知であり、ここではその説明を省略する。学習法は、サンプルを入力端子に供給することと、ニューロンネットワークの特性（基本的にはそのシナプス係数）を変更させて、サンプルに対応する予見結果をその出力端子に発生させることとから成ることが判れば十分である。「非監視」学習法、即ちサンプルに基づく学習法が用いられ、或るアルゴリズムを供給して、ニューロンネットワークの出力端子が互いに無関係な第２信号を供給するようにシナプス係数を適合させる。このような学習法は当業者に既知である。
【００４２】
斯くして求められるシナプス係数の構成では、ニューロンネットワークに新規の入力データが用いられる。従って、学習した機能に対する新入力データに依存する結果を求めることができる。システムを混合物の連続的変化に適合させることにより、システムが複数の信号源を連続的に特徴づけることのできるようにするためには、学習処理を反復的に行なって、新規の混合物を特徴づけるシナプス係数を更新させるようにする。
【００４３】
特性が未知の一次信号源の信号Ｘ_i (t) に対応する測定信号Ｅ_i (t) は入力端子に供給され、手段１０が、これら未知の特性の測定値（本例の場合には平均エネルギー）を供給する。
【００４４】
測定すべき一次信号Ｘ(t) の諸特性は期間δの連続時間間隔にて求められる。各時間間隔内の信号特性は次のようなものに関連するものとすることができる。即ち、
− 単一値の平均エネルギー、
− 自己相関関数を求めるために、或る信号を時間τだけシフトした瞬時におけ
るその信号と比較することによって得られる一連の値、
− スペクトル密度を求めるために、種々の周波数にて得られる複数の値。
【００４５】
例えば、一次信号Ｘ_i (t) に対する自己相関関数Γ（τ）をΓ_xi(t) ＝ΣＸ_i (t) ・Ｘ_i (t＋τ) で求めなければならない場合を考察する。この目的のために、予備処理手段２０は信号Ｅ_i (t) の自己相関関数をΓ_Ei（τ）＝ΣＥ_i (t) ・Ｅ_i (t＋τ) となるように決定する。この予備処理手段２０は図４に示すような予備処理ブロック２５を具えている。このような予備処理ブロック２５の個数は処理すべき信号Ｅ(t) の数に等しくする。この場合、時間多重を適用することもできる。信号Ｅ(t) の自己相関をとるために、この信号Ｅ(t) を信号取得手段３２に入力させて、これにより所定のレートで（期間Ｄ）信号Ｅ(t) の連続サンプルを取出す。手段３２は一連のサンプルを記憶する記憶素子３２ａ，３２ｂ，_--- を具えているメモリとすることができる。シフトτは値Ｄ，２Ｄ，３Ｄ等に順次与えられる。例えば、記憶素子３２ａ，３２ｂの出力端子２ａ，２ｂに時間Ｄだけ離間して現われるサンプルは、値Ｅ(t) ・Ｅ(t＋Ｄ）を求めるために、前述した処理手段２２に供給される。メモリのアドレス指定を矢印２９で示す方向にスライドさせることにより、τ＝Ｄに対応する関連信号Ｅ(t) の全体に対する自己相関関数の値が求められる。自己相関関数の他の値も同様に、シフト２Ｄに対するアドレス指定をスライドさせ、以下同様に３Ｄ，４Ｄ--- に対するアドレス指定をスライドさせることにより計算される。こうした全ての自己相関値が自己相関関数を成す。
【００４６】
信号取得手段３２を図４に示す以外の構成としうることは当業者に明らかである。信号処理手段２２の出力端子には信号Ｅ(t) に対応する次のような自己相関関数Γ_E が得られる。
Γ_Ei（τ）＝ΣＥ_i (t) ・Ｅ_i (t＋τ）
【００４７】
従って、図１における種々の信号Ｅ(t) は同じように処理されて、各信号Ｅ(t) に対して自己相関関数Γ_E を発生する。この場合、図１の信号Ｉ（ｔ，ｐ）は自己相関関数である。平均エネルギーにつき前述したのと同じ原理を適用することにより、信号源分離手段１０はそれぞれの例に基づいて学習することにより、各信号源に対応する自己相関関数Γ_X を計算する。
【００４８】
例を２つの信号源Ｓ１とＳ２だけに限定する場合には、次のような信号、即ち
Ｅ1(t)＝α₁₁・Ｘ₁(ｔ−θ₁₁) ＋α₁₂・Ｘ₂ （ｔ−θ₁₂)
Ｅ2(t)＝α₂₁・Ｘ₁(ｔ−θ₂₁) ＋α₂₂・Ｘ₂ （ｔ−θ₂₂)
が有効であり、これらの信号の自己相関関数Γ_E は次ぎのようになる。即ち、
【数７】

【００４９】
信号源分離手段１０は種々の信号源の信号の自己相関関数Γ_X 、
Γ_X （τ）＝ΣＸ(t) ・Ｘ（ｔ＋τ）
を得る。
【００５０】
信号源特徴化システム８が一次信号Ｘ(t) の自己相関関数を決定する場合、このシステムでこれら一次信号のエネルギーを求めることもできる。このためには、図４で遅延時間τ＝０を選択し、エネルギーに相当する自己相関関数Γ_X (0) の値を出力端子に発生させるようにすれば十分である。この場合の演算モードは前述したエネルギーの計算よりも速くなる。その理由は、信号源特徴化システムが単一時間間隔内で学習機能をすることができ、一連の時間間隔内にて学習する必要がないからである。しかし、これには多くのハードウェアを必要とする。
【００５１】
他の例では信号Ｉ（ｔ，ｐ）をスペクトル密度を表わす信号とすることができる。この場合の予備処理手段２０は、
− 自己相関関数を計算し、次いで各信号Ｅ(t) に対するフーリエ変換を行ってから、信号Ｉ（ｔ，ｆ）（ここにｆは周波数）を供給するか、
− フーリエ変換（例えば高速フーリエ変換）を行ない、次いでこれにて求めたフーリエ変換のモジュラスの自乗を計算する。
【００５２】
信号Ｅ(t) から導出され、しかも同じ周波数に対して求められる全ての信号Ｉ（ｔ，ｆ）は前述したように信号源分離手段１０にて処理される。この場合に出力端子に現われる信号Ｆ(t) は周波数ｆに対する信号源Ｓに相当するスペクトル密度Ｄ_x を表わす。
【００５３】
種々のの周波数ｆで連続的に作動させ、これらの種々のの周波数での１つの信号源に対するスペクトル密度の値を組合わせることにより１つ以上の信号源に対するスペクトル密度の関数を得ることができる。
【００５４】
上述したような予備処理手段の出力信号は平均エネルギー、自己相関関数、スペクトル密度等とすることができ、こうした出力信号を用いて１つ以上の信号源Ｓ１〜Ｓｎを制御することができる。
【００５５】
従って、自動車に搭載したカーラジオの場合に、信号源Ｓ１の平均エネルギーが求められている場合には、測定した平均エネルギーに応じてカーラジオの出力増幅器を制御することができる。同様に、スピーカの音声によって形成される信号源Ｓ２のエネルギーを検出することによってカーラジオの音量を下げたり、例えば話し手が発音する番号を伝送したり、通話が検出される場合にだけその通話の伝達具合を評価したりして電話操作を制御したりすることができる。
【００５６】
特性変数がスペクトル密度に対応する場合には、カーラジオの音質調整器又は等化器を制御することができる。
【００５７】
このようなことは、信号Ｅ(t) に対するトランスジューサ又は検出器に関連する他の音声再生装置の場合にも当てはまることである。
【００５８】
斯様な制御を実施するために、信号源特徴化システム８は制御手段１５（図２）を具えており、これは該当する用途との組合わせで採るべき作用を決定する。従って、自動車の乗客スペース内での音声の検出によりカーラジオの音量を制御したりすることができる。このために、制御手段１５は適切な信号源を制御する指令１６を供給する。
【００５９】
他の用途として、信号源Ｓ１〜Ｓｎを混合物が無線伝送によって持たらされる種々の無線源のようなものとすることができる。この場合には、例えば空中線により形成される検出器によって信号Ｅ(t) を検出することができる。この場合の信号源特徴化システムが行なう信号処理は前述した信号処理と同様である。
【００６０】
さらに他の場合として、種々の信号源が同じ装置内に位置し、信号Ｘ(t) が配線により搬送され、混合物がこれらの配線間のクロストークにより形成される場合がある。この場合の信号Ｅ(t) はトランスジューサＣ１〜Ｃｎによって得られるのではない。
【００６１】
スペクトル密度Ｄ_x (V) を求めるために、自己相関関数を計算する場合につき説明した予備処理手段２０と、信号源分離手段１０の出力端子に設ける事後処理手段３０とを組合わせることもできる。図５はこのタイプの信号処理に関連し、信号源分離手段１０の前の予備処理手段２０は自己相関関数Γ_xi(t) を求め、信号源分離手段１０の出力端子に配置した事後処理手段３０はフーリエ変換をする。
【００６２】
本発明を式（２）で定義される利得項と純粋な遅延項とを含んでいる線形たたみ込み信号の場合につき説明したが、本発明は一般的なたたみ組み混合物、即ち式（１）で定義されるような混合物にも適用することができる。
【００６３】
上述した式（２）の特殊なケースに対する一般事項を減らすために、信号処理を、先ず周波数帯域が制限されている信号Ｅ(t) に適用する。この目的のために、予備処理手段２０は入力端子にそれぞれ同一のフィルタ４０（図６）を具えており、これらのフィルタは各信号Ｅ_i (t) を小さめの周波数帯域に制限する。信号処理は上述した処理と同じであるが、得られる結果は一次信号Ｘ(t) だけでなく、これらの一次信号の混合物をろ波したものにも関連する。それでも、こうした結果は任意のたたみ込み混合物の信号源を特徴づけるのに十分である。例えば、平均エネルギーはスペクトル密度を計算する場合に、連続周波数帯域に関連する信号を出力端子にて合成して、全周波数スペクトルに対する前記特性変数を得ることができる。
【図面の簡単な説明】
【図１】予備処理手段を具えている本発明による信号源特徴化システムの一例を示すブロック図である。
【図２】一次信号源に遡及する制御手段を具えている信号源特徴化システムを示すブロック図である。
【図３】信号の平均エネルギーを求めるための予備処理手段の一例の一部を示すブロック図である。
【図４】自己相関関数を求めるための予備処理手段の一例の一部を示すブロック図である。
【図５】予備処理手段及び事後処理手段を具えている信号源特徴化システムを示すブロック図である。
【図６】一般的なたたみ込み混合物を予備処理するためにフィルタ手段を具えている図３に示すものと同様なブロック図である。
【符号の説明】
５，Ｓ１，Ｓ２--Ｓｎ 一次信号源
８ 信号源特徴化システム
10 信号源分離手段
20 予備処理手段
Ｃ１，Ｃ２--- Ｃｎ トランスジューサ（マイクロホン）

Claims (5)

1. 入力信号（Ｅ_１，Ｅ_２，．．．，Ｅ_ｎ）の各々が、一次信号源（Ｓ_１）からのソース信号（Ｘ_１）と他の一次信号源（Ｓ_２，．．．，Ｓ_ｎ）からの少なくとも１つの他のソース信号（Ｘ_２，．．．，Ｘ_ｎ）とのそれぞれ異なる混合物である、様々な入力信号（Ｅ_１，Ｅ_２，．．．，Ｅ_ｎ）に基づいて前記一次信号源（Ｓ_１）からのソース信号（Ｘ_１）の特性変数を決定するための信号源特徴化システム（８）において、当該信号源特徴化システムが：
   前記様々な入力信号（Ｅ_１，Ｅ_２，．．．，Ｅ_ｎ）に基づいて、これら入力信号に関連すると共に異なるソース信号のそれぞれ異なる混合物の特性変数を表わす中間信号（Ｉ）を決定すべく配置した予備処理モジュール（２０）と；
   該予備処理モジュール（２０）からのそれぞれの中間信号（Ｉ）に基づいて、伝搬時定数がすべて零である線形瞬時混合物を分離することにより、前記ソース信号（Ｘ_１）の特性変数を表わす出力信号（Ｆ；Ｇ）を決定すべく配置した信号分離モジュール（１０）と；
   を具えていることを特徴とする信号源特徴化システム。
2. 前記特性変数が、平均エネルギー、スペクトル密度及び自己相関関数を含む組の特性変数に属することを特徴とする請求項１に記載の信号源特徴化システム。
3. 前記ソース信号（Ｘ_１）の特性変数を表わす出力信号（Ｇ）をフーリエ変換によって当該ソース信号（Ｘ_１）の他の特性変数を表わす他の出力信号（Ｆ）に変換する事後処理回路（３０）も具えていることを特徴とする請求項１に記載の信号源特徴化システム。
4. 前記ソース信号（Ｘ_１）の特性変数を表わす出力信号（Ｆ）に基づいて前記一次信号源の少なくとも１つを制御すべく配置した制御モジュールも具えていることを特徴とする請求項１に記載の信号源特徴化システム。
5. 一組のマイクロホン（Ｃ_１，．．．，Ｃ_ｎ）と；
   前記一組のマイクロホン（Ｃ_１，．．．，Ｃ_ｎ）からの様々な入力信号（Ｅ_１，Ｅ_２，．．．，Ｅ_ｎ）を受信すべく結合され、音声システムが発生する音以外の音に相当するソース信号（Ｘ_１）の特性変数を表わす出力信号（Ｆ）を供給すべく配置した請求項１に記載の信号源特徴化システム（８）と；
   音声システムが発生する音以外の音に相当するソース信号（Ｘ_１）の特性変数を表わす出力信号（Ｆ）に応答するボリューウム調節回路を設けた音声発生装置と；
   を具えている音声システム。

Images