JP4354387B2 - 信号分離システム、信号分離方法及び信号分離プログラム - Google Patents
信号分離システム、信号分離方法及び信号分離プログラム Download PDFInfo
- Publication number
- JP4354387B2 JP4354387B2 JP2004334485A JP2004334485A JP4354387B2 JP 4354387 B2 JP4354387 B2 JP 4354387B2 JP 2004334485 A JP2004334485 A JP 2004334485A JP 2004334485 A JP2004334485 A JP 2004334485A JP 4354387 B2 JP4354387 B2 JP 4354387B2
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- time
- signal
- observation
- frequency domain
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geophysics And Detection Of Objects (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Complex Calculations (AREA)
- Image Processing (AREA)
Description
X=AS+V … (1)
X=AS … (2)
A. Cichocki and S. Amari: Adaptive Blind Signal and Image Processing - Learning Algorithms and Applications, John Wiley & Sons, 2002.
まず、信号分離部12で行われる処理の基本的な原理について説明する。
次に、図1乃至図3により、上述した基本的な原理に従って信号分離部12で行われる具体的な処理(混合行列A及び信号源行列Sを推定する処理)について説明する。
信号分離部12において、n個の観測信号を所定のサンプル数(K個)だけ含む時間領域の観測行列X∈Rn×Kが入力されると、まず、信号分離部12のウェーブレット・パケット変換部13により、入力部11から入力された時間領域の観測行列Xの各行ベクトルに対してウェーブレット・パケット変換が施され、時間領域の観測行列Xが時間周波数領域の観測行列X′に変換される(図2のステップ101)。
具体的には、まず、ウェーブレット・パケット変換部13により変換された時間周波数領域の観測行列X′に基づいて、それぞれの列ベクトルのノルムがξ1(予め設定した正の定数)よりも大きくなるような部分観測行列X(^)(Xの上部に「^」が付けられた表記と同じもの)を求める(図2のステップ102)。なお、列ベクトル[x1′(i),…,xn′(i)]のノルムは次式(13)により定義される。
次いで、n1=1〜nに関して、段階3.1及び3.2(図2のステップ104乃至117)を含むループを繰り返す。
具体的には、まず、段階2で求められた部分観測行列X(^)に含まれる成分間の比をとることで行ベクトルが時間周波数領域の座標系で水平線を形成する、次式(14)のような比行列X(^)′を計算する(ステップ104)。
次いで、n2=1〜n(n2≠n1)に関して、段階3.2.1、3.2.2及び3.2.3(図2のステップ105乃至115)を含むループを繰り返す。
次いで、段階3.2.1で求められた部分行列X″k(k=1,…,M0)の中から、列ベクトルの数がJ1(予め設定した正の整数)よりも小さい部分行列を削除し、新たな部分行列X″jk(k=1,…,N1)を求める(図2のステップ108)。
すなわち、n3=1〜n(n3≠n1,n3≠n2)に関して、段階3.2.3.1(図2のステップ109乃至113)を含むループを繰り返す。
具体的には、n3=1〜n(n3≠n1,n3≠n2)に関して、段階3.2.2で求められた複数の部分行列X″jk(k=1,…,N1)に基づいて、混合行列Aの列ベクトルに対応するベクトルe iを求める(ステップ111)。
以上のようにして、n1,n2,n3,kに関しての4つのループを繰り返すと、混合行列Aの列ベクトルに対応するベクトルのセットである行列E=[e 1,…,e N0]が求められる。なおここでは、ループが4つあるので、混合行列Aに含まれる一つの列ベクトルに対応して複数のベクトルが推定されることとなるが、これらの推定された全てのベクトルが行列E内に含まれることとなる。すなわち、推定された行列Eは、混合行列Aよりも多くの列ベクトルを持つこととなる。
その後、信号分離部12の信号源行列推定部15により、混合行列推定部14により推定された混合行列A(すなわち行列AE)と、ウェーブレット・パケット変換部13により変換された時間周波数領域の観測行列X′とに基づいて、線形計画法を用いて、信号源信号を所定のサンプル数分だけ含む時間周波数領域の信号源行列S′を推定する。具体的には、次式(16)により定義される線形計画問題を解くことにより、時間周波数領域の信号源行列S′を推定する。
独立成分解析法は、本実施の形態に係る信号分離方法と同様に、混合行列Aや信号源行列Sを推定するために用いることができる。具体的には、独立成分解析法では、混合行列Aの逆行列である信号分離行列Wを推定することにより混合行列A及び信号源行列Sを推定するものであり、混合行列Aの推定は、推定された信号分離行列Wの逆行列W−1を求めることにより行われ、一方、信号源行列Sの推定は、推定された信号分離行列Wと観測信号行列Xとの積を求めることにより行われる。
標準的なクラスタリング法(K−meansクラスタリング法等)は、本実施の形態に係る信号分離方法と同様に、混合行列Aや信号源行列Sを推定するために用いることができる。具体的には、標準的なクラスタリング法では、繰り返し計算によってパラメータを調整することにより混合行列Aや信号源行列Sを推定する。
本実施例において、信号源行列S∈R4×10000は、[−5,5]の範囲で一様分布をなす値を持つ成分からなるものであり、0でない成分を一つだけ持つ800個の列ベクトルを含んでいるものとした。また、このような800個の列ベクトルのうち、第1群である200個の列ベクトルはその第1成分が0でなく、第2群である200個の列ベクトルはその第2成分が0でなく、第3群である200個の列ベクトルはその第3成分が0でなく、第4群である200個の列ベクトルはその第4成分が0でないものとした。
比較例として、上述した実施例で用いられた観測行列Xに対して、K−meansクラスタリング法を用いて処理を行い、混合行列Aを推定した。次式(18)はその結果得られた混合行列Aの推定行列を示す。
脳波(EEG)信号や脳磁図(MEG)信号等を含む生物医学信号は、未特定の複数の脳内信号源、アーティファクト及び雑音等の混合信号として、上式(1)(2)の線形混合モデルの形で現れる。すなわち、観測信号である生物医学信号を含む観測行列Xは、未特定の混合行列Aと未特定の信号源行列Sとの積の形で表される。
混合音声信号は、未特定の複数の音声信号源及び雑音等の混合信号として、上式(1)(2)の線形混合モデルの形で現れる。すなわち、観測信号である混合音声信号を含む観測行列Xは、未特定の混合行列Aと未特定の信号源行列Sとの積の形で表される。
核磁気共鳴機能画像(fMRI)等の医療画像や天体画像等の画像デジタル信号は、未特定の複数の画像信号源及び雑音等の混合信号として、上式(1)(2)の線形混合モデルの形で現れる。すなわち、観測信号である画像デジタル信号を含む観測行列Xは、未特定の混合行列Aと未特定の信号源行列Sとの積の形で表される。
地震信号は、地震によって引き起こされる未特定の複数の地震信号源、他の信号源及び雑音等の混合信号として、上式(1)(2)の線形混合モデルの形で現れる。すなわち、観測信号である地震信号を含む観測行列Xは、未特定の混合行列Aと未特定の信号源行列Sとの積の形で表される。
11 入力部
11a センサー
12 信号分離部
13 ウェーブレット・パケット変換部
14 混合行列推定部
15 信号源行列推定部
16 逆ウェーブレット・パケット変換部
Claims (9)
- 複数の信号源信号が混合された観測信号から特定の信号源信号を分離する信号分離システムにおいて、
複数の観測信号を取り込む入力部と、
前記入力部により取り込まれた各観測信号から特定の信号源信号を分離する信号分離部とを備え、
前記信号分離部は、
前記入力部により取り込まれた各観測信号を所定のサンプル数分だけ含む時間領域の観測行列を時間周波数領域の観測行列に変換する時間周波数変換部と、
前記時間周波数変換部により変換された時間周波数領域の観測行列に基づいて、観測行列と信号源行列との間の関係を規定する混合行列を推定する混合行列推定部と、
前記混合行列推定部により推定された混合行列と、前記時間周波数変換部により変換された時間周波数領域の観測行列とに基づいて、信号源信号を所定のサンプル数分だけ含む時間周波数領域の信号源行列を推定する信号源行列推定部と、
前記信号源行列推定部により推定された時間周波数領域の信号源行列を時間領域の信号源行列に変換する逆時間周波数変換部とを有し、
前記信号分離部の前記混合行列推定部は、前記時間周波数変換部により変換された時間周波数領域の観測行列に含まれる成分間の比を成分として持つ複数の行列を求める第1処理と、前記第1処理で求められた各行列に含まれる各行ベクトルの成分の範囲を予め設定した正の定数個の部分空間に分け、それに基づいて前記各行列を前記正の定数個の部分行列に分割することにより、行ベクトルが時間周波数領域の座標系で水平線を形成する複数の部分行列を求める第2処理と、前記第2処理で求められた複数の部分行列に含まれる特定の部分行列の列ベクトルの平均を計算するとともに正規化し、混合行列の各列ベクトルを推定する第3処理とを行うことを特徴とする信号分離システム。 - 前記信号分離部の前記時間周波数変換部は、ウェーブレット・パケット変換を用いて前記時間領域の観測行列を前記時間周波数領域の観測行列に変換し、前記信号分離部の前記逆時間周波数変換部は、逆ウェーブレット・パケット変換を用いて前記時間周波数領域の信号源行列を前記時間領域の信号源行列に変換することを特徴とする、請求項1に記載のシステム。
- 前記信号分離部の前記混合行列推定部は、前記第1処理の対象となる前記時間周波数領域の観測行列として、前記時間周波数変換部により変換された時間周波数領域の観測行列に含まれる列ベクトルの中からノルムが所定値に満たない列ベクトルを取り除いたものを用いることを特徴とする、請求項1又は2に記載のシステム。
- 前記信号源行列推定部は、線形計画法を用いて前記混合行列と前記時間周波数領域の観測行列とに基づいて前記時間周波数領域の信号源行列を推定することを特徴とする、請求項1乃至3のいずれか一項に記載のシステム。
- 複数の信号源信号が混合された観測信号から特定の信号源信号を分離する信号分離方法において、
入力部により取り込まれた各観測信号を所定のサンプル数分だけ含む時間領域の観測行列を時間周波数領域の観測行列に変換する第1ステップと、
前記第1ステップで変換された時間周波数領域の観測行列に基づいて、観測行列と信号源行列との間の関係を規定する混合行列を推定する第2ステップと、
前記第2ステップで推定された混合行列と、前記第1ステップで変換された時間周波数領域の観測行列とに基づいて、信号源信号を所定のサンプル数分だけ含む時間周波数領域の信号源行列を推定する第3ステップと、
前記第3ステップで推定された時間周波数領域の信号源行列を時間領域の信号源行列に変換する第4ステップとを含み、
前記第2ステップは、前記第1ステップで変換された時間周波数領域の観測行列に含まれる成分間の比を成分として持つ複数の行列を求める第1処理と、前記第1処理で求められた各行列に含まれる各行ベクトルの成分の範囲を予め設定した正の定数個の部分空間に分け、それに基づいて前記各行列を前記正の定数個の部分行列に分割することにより、行ベクトルが時間周波数領域の座標系で水平線を形成する複数の部分行列を求める第2処理と、前記第2処理で求められた複数の部分行列に含まれる特定の部分行列の列ベクトルの平均を計算するとともに正規化し、混合行列の各列ベクトルを推定する第3処理とを含むことを特徴とする信号分離方法。 - 前記第1ステップは、ウェーブレット・パケット変換を用いて前記時間領域の観測行列を前記時間周波数領域の観測行列に変換し、前記第4ステップは、逆ウェーブレット・パケット変換を用いて前記時間周波数領域の信号源行列を前記時間領域の信号源行列に変換することを特徴とする、請求項5に記載の方法。
- 前記第2ステップは、前記第1処理の対象となる前記時間周波数領域の観測行列として、前記第1ステップで変換された時間周波数領域の観測行列に含まれる列ベクトルの中からノルムが所定値に満たない列ベクトルを取り除いたものを用いることを特徴とする、請求項5又は6に記載の方法。
- 前記第4ステップは、線形計画法を用いて前記混合行列と前記時間周波数領域の観測行列とに基づいて前記時間周波数領域の信号源行列を推定することを特徴とする、請求項5乃至7のいずれか一項に記載の信号分離方法。
- 請求項5乃至8のいずれか一項に記載の信号分離方法に含まれる前記第1ステップ乃至前記第4ステップに対応する手順をコンピュータに実行させることを特徴とする信号分離プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004334485A JP4354387B2 (ja) | 2004-11-18 | 2004-11-18 | 信号分離システム、信号分離方法及び信号分離プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004334485A JP4354387B2 (ja) | 2004-11-18 | 2004-11-18 | 信号分離システム、信号分離方法及び信号分離プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2006146484A JP2006146484A (ja) | 2006-06-08 |
JP4354387B2 true JP4354387B2 (ja) | 2009-10-28 |
Family
ID=36626102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004334485A Expired - Fee Related JP4354387B2 (ja) | 2004-11-18 | 2004-11-18 | 信号分離システム、信号分離方法及び信号分離プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4354387B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4831159B2 (ja) * | 2008-04-22 | 2011-12-07 | 日本光電工業株式会社 | 信号処理方法及びパルスフォトメータ |
JP4831111B2 (ja) * | 2008-04-22 | 2011-12-07 | 日本光電工業株式会社 | 信号処理方法及びそれを用いたパルスフォトメータ |
TW201022959A (en) * | 2008-10-30 | 2010-06-16 | Ibm | Method, device, computer program and computer program product for determining a representation of a signal |
CN105927861B (zh) * | 2016-04-20 | 2018-12-07 | 中国石油大学(华东) | 基于小波变换融合盲源分离算法的泄漏声波特征提取方法 |
-
2004
- 2004-11-18 JP JP2004334485A patent/JP4354387B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2006146484A (ja) | 2006-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Regularized matrix regression | |
JP7028345B2 (ja) | パタン認識装置、パタン認識方法、及びプログラム | |
US20020085741A1 (en) | Signal separation method, signal processing apparatus, image processing apparatus, medical image processing apparatus and storage medium for restoring multidimensional signals from observed data in which multiple signals are mixed | |
JP2007526511A (ja) | 周波数領域で多重経路多チャネル混合信号のブラインド分離のための方法及びその装置 | |
CN106097278B (zh) | 一种多维信号的稀疏模型、重建方法和字典训练方法 | |
US7706478B2 (en) | Method and apparatus of source separation | |
US9858678B2 (en) | Method and system for human motion recognition | |
Sinanović et al. | Toward a theory of information processing | |
KR102292678B1 (ko) | 뇌 인지 부하 분류 시스템 및 방법 | |
WO2012133185A1 (ja) | 脳波解析装置、脳波解析方法、プログラム、及び記録媒体 | |
Hou et al. | Hierarchical tucker tensor regression: Application to brain imaging data analysis | |
JP4354387B2 (ja) | 信号分離システム、信号分離方法及び信号分離プログラム | |
Salman et al. | Comparative Study of QPSO and other methods in Blind Source Separation | |
JP6370751B2 (ja) | ガウス混合モデルパラメータ計算装置、情報推定装置、音強調装置、これらの方法及びプログラム | |
JP6808597B2 (ja) | 信号分離装置、信号分離方法及びプログラム | |
JP4090969B2 (ja) | 信号分離方法、信号分離プログラム及びそのプログラムを記録した記録媒体 | |
CN109544477A (zh) | 基于自适应字典学习稀疏表示的图像去噪算法 | |
US11297418B2 (en) | Acoustic signal separation apparatus, learning apparatus, method, and program thereof | |
JP6114053B2 (ja) | 音源分離装置、音源分離方法、およびプログラム | |
JP6644356B2 (ja) | 音源分離システム、方法及びプログラム | |
CN108280470B (zh) | 离散小波域copula模型图像分类方法 | |
WO2021033296A1 (ja) | 推定装置、推定方法及び推定プログラム | |
Ince et al. | ECoG based brain computer interface with subset selection | |
JP6989031B2 (ja) | 伝達関数推定装置、方法及びプログラム | |
Liu et al. | Blind source separation using higher order statistics in kernel space |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20071107 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090129 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090402 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090630 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090729 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120807 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150807 Year of fee payment: 6 |
|
LAPS | Cancellation because of no payment of annual fees |