JP4477148B2 - ブラインド信号分離方法及び装置 - Google Patents
ブラインド信号分離方法及び装置 Download PDFInfo
- Publication number
- JP4477148B2 JP4477148B2 JP50499099A JP50499099A JP4477148B2 JP 4477148 B2 JP4477148 B2 JP 4477148B2 JP 50499099 A JP50499099 A JP 50499099A JP 50499099 A JP50499099 A JP 50499099A JP 4477148 B2 JP4477148 B2 JP 4477148B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- matrix
- separation
- data
- elements
- 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
- 238000000926 separation method Methods 0.000 title claims abstract description 116
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims description 155
- 230000008569 process Effects 0.000 claims description 73
- 230000006870 function Effects 0.000 claims description 66
- 239000011159 matrix material Substances 0.000 claims description 57
- 238000005259 measurement Methods 0.000 claims description 30
- 230000006978 adaptation Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 4
- LFVLUOAHQIVABZ-UHFFFAOYSA-N Iodofenphos Chemical compound COP(=S)(OC)OC1=CC(Cl)=C(I)C=C1Cl LFVLUOAHQIVABZ-UHFFFAOYSA-N 0.000 claims 1
- 238000011156 evaluation Methods 0.000 claims 1
- 238000012546 transfer Methods 0.000 description 29
- 238000002156 mixing Methods 0.000 description 28
- 238000004422 calculation algorithm Methods 0.000 description 26
- 239000000203 mixture Substances 0.000 description 24
- 230000003044 adaptive effect Effects 0.000 description 22
- 230000003068 static effect Effects 0.000 description 17
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 13
- 229910052710 silicon Inorganic materials 0.000 description 12
- 239000010703 silicon Substances 0.000 description 12
- 230000010354 integration Effects 0.000 description 10
- 238000013507 mapping Methods 0.000 description 9
- 238000013459 approach Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 230000003750 conditioning effect Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 6
- 238000006467 substitution reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008929 regeneration Effects 0.000 description 5
- 238000011069 regeneration method Methods 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 239000004020 conductor Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005530 etching Methods 0.000 description 4
- 238000004518 low pressure chemical vapour deposition Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000035882 stress Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005459 micromachining Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 239000005028 tinplate Substances 0.000 description 3
- 235000012431 wafers Nutrition 0.000 description 3
- 229910052581 Si3N4 Inorganic materials 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001010 compromised effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 210000003027 ear inner Anatomy 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- HQVNEWCFYHHQES-UHFFFAOYSA-N silicon nitride Chemical compound N12[Si]34N5[Si]62N3[Si]51N64 HQVNEWCFYHHQES-UHFFFAOYSA-N 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 229920002799 BoPET Polymers 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 239000005041 Mylar™ Substances 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 229910010293 ceramic material Inorganic materials 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 1
- 229920000728 polyester Polymers 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 229920005591 polysilicon Polymers 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000010255 response to auditory stimulus Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0272—Voice signal separating
-
- 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
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
- H03H21/0012—Digital adaptive filters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Circuit For Audible Band Transducer (AREA)
- Complex Calculations (AREA)
- Cash Registers Or Receiving Machines (AREA)
- Sheets, Magazines, And Separation Thereof (AREA)
- Automatic Disk Changers (AREA)
- Filters That Use Time-Delay Elements (AREA)
- Manipulator (AREA)
- Logic Circuits (AREA)
- Information Transfer Systems (AREA)
- Image Processing (AREA)
Description
発明の背景
発明の分野
本発明は、混合した複数の測定信号を処理することによって、原情報又は内容を再生する方法及び装置に係る。特に、本発明は、取得した上記混合体の測定信号からいくらかの原信号を再生するための適応システムに関する。
関連技術の検討
独立したソースの再生及び分離は古くから行われているが、信号処理は難しい問題である。この問題は、多くの実践において、信号ソース及び混合する媒体のいずれも判っていないという関連特質によって複雑化されている。
この問題をよく理解するには、以下の説明が役立つ。添付図面の図１を参照し、N個の独立信号、102S1(t)...,SN(t)について考察する。独立信号102は、独立した話者又は話、音、音楽、ラジオ又は光に基く無線伝送、電気的又は光学的通信信号、更に、画像、ビデオ 等のいずれ、又はそれらの組合せたものを想定できる。独立信号102は、それが伝播する媒体つまり周囲雰囲気の中で普通の又は合成的に混合されることによって、相互に遅延させられたり、重ね合わされたりする。信号分離プロセス106は、独立信号102の混合体を出力信号108、U1(t),...,UN(t)に変化させる。
方法の主たる２つのカテゴリである神経細胞に示唆された適応アルゴリズムと離散的信号処理は、独立ソースの再生及び分離によく用いられる。神経細胞に示唆された適応アーキテクチャ及びアルゴリズムは、元々はJ. Herault及びC. Juttenによって提案され、現在Herault−Jutten(HJ)アルゴリズムと呼ばれる方法に従ったものである。このCMOS集積に対する一連の方法の適合性は、既に認識されている。しかし、標準的HJアルゴリズムは、主に特殊環境において機能する適応法則を示唆したという点では最善の発見的教授法と言える。HJアルゴリズムに係るこれまでのアプローチに関する理論及び分析は、実験的なシミュレーションでの成功を支えるか又は保証するには未だ充分なものではない。HeraultとJuttenは、これらの分析的不完全さを認識しており、彼らは、解決すべき更なる問題点について説明している。彼らが提案したアルゴリズムは、線形媒体及びフィルタリング、つまり遅延はないと仮定している。具体的には、原信号は、未知ではあるが、一定係数のマトリクスを介して媒体によって運ばれるものと仮定している。要約すると、Herault−Juttenの方法は、(1)全層で線形静的混同環境に限定されている、(2)マトリクス反転演算を必要とする、(3)信号遅延の存在を考慮していない。しかし、多くの実際の応用例においては、フィルタリング及びそれに関連する遅延が起こっている。従って、これらの方法は、多くの実践的な状況や現実の応用においては、信号をうまく分離できない。
従来の信号処理は、伝統的なデジタル信号処理方法の精神で、大部分が離散的領域において起こる信号分離にアプローチしている。このような信号分離方法は、離散的信号変換及びフィルタ/変形関数反転を含む演算を用いている。一連の積算のフォームでの該信号の統計的性質は、これら積算量が数学的に０に近づくようにされる場合には、混合信号の分離を達成するために使用される。これは、相互から信号を再生・分離する伝達関数のパラメータを求めるアルゴリズム群の重要要素となる。一方、全ての有り得る積算の演算は、現実的でなく、またリアルタイムの実施に対しては時間がかかりすぎる。
これら２つの方法の詳細を以下に詳述する。
信号分離のための神経細胞に示唆されたアーキテクチャ及びアルゴリズム
これら一連の信号分離のための神経細胞に示唆された適応アプローチは、「静的に独立した」信号ベクトル
S(t)＝[s1(t),...,and sN(t)]γは、信号ベクトルM(t)を作るように混合されている。ベクトルM(t)は、センサ(例えば、マイクロフォン、アンテナ 等)で受けられる。
該混合環境は、一般的(静的又は動的)演算子τで表すことにする。その結果、
M(t)＝τ(S(t)) 式(1)
該混合プロセスを反転させるために使われる公式がある。すなわち、演算子τは、該混合演算子τ又は原ソースS(t)の性質又は内容については推測知識の存在しない「ブラインド」様式であるということである。これらは、静的と動的の２つのカテゴリにグループ化される。もう1つの区分は、使用される適応閾値の性質、例えば、情報最大化、全次数積算の最小化 等、について行うことができる。
静的ケース。静的ケースは、一定の正則マトリックスによって混合されることに限定される。「静的独立」信号ベクトル
S(t)＝[s1(t),...,and sN(t)]γは、信号ベクトルM(t)を作るように混合されると仮定してみる。具体的には、混合演算子τを一定のマトリックスＡで表すことにする。
すなわち、
M(t)=A(S(t)) 式(2)
図２A及び２Bは、混合マトリクスＡによる静的混合にケースでの信号分離及び再生ネットークの２つのアーキテクチャを示す。U(t)は、原ソース信号S(t)に近似する出力である。Y(t)は、非混合プロセス、例えば、図２AのW、図２BのD、を更新する場合に使用される。図２Aのアーキテクチャは、一定混合マトリックスＡの反転を必ず演算し、Ａが反転可能であること、すなわち、Ａ-1の存在を必要とする。図２Ｂのアーキテクチャは、収束に関して、該マトリックスＤの対角外の要素が、該マトリックスAの対角外の要素と正確に一致するという制約を課すことはない。しかし、このケースにおいて、マトリックスAの対角要素は、均等な「1.0」であることに限定される。マトリックスＤの対角要素を０に設定することによって、もし該混合マトリックスがないとしても、必然的に混合プロセスは反転可能可能であるということになる。図２A及び２Bに示されるように、重み更新には、出力U(t)の機能を用いる。これら２つのマトリックスのエントリ更新は、信号分離、識別、又は再生、例えば情報最大化、より多量積算の最小化 等、のために使用される閾値によって定義される。
例としては、
U(t)＝WM(t) 式(3)
のケースにおける有り得る重み更新としては、
がある。ここにおいて、ηは充分小さく、ｇは奇関数、Ｍは一連の混同体、Ｕはソース信号を推定した一連の出力、上付き文字Ｔは、置換えを提供し、−Ｔは、置換えの反転を提供する。関数ｇは、
Y(t)=ｇ(U(t)) 式(5)
として上記ダイアグラムに係ることが可能な更新において付加的役割を果すことに注目する必要がある。式(4)は、式(3)のＷのエントリを更新するために使用される。これは、繰返しの更新処理であるが、Ｗのエントリが収束すると、積ＷＡは、単位行列又は単位行列の順列とほぼ等しくなる。
一方、図２において、Ｄマトリックスエントリｄijの更新のために可能性の有る有用な公式は、一般的には、
で表される。ここにおいて、ηは充分に小さい。実践において、fに関して有用ないくつかの関数には、三乗関数が、また、ｇに関しては、双曲線の接線関数が含まれる。この処理を使用する場合、各後続するステップ及びサンプルポイントにおいて、以下の式(7)から、U(t)を導きだす。
U(t)=[l+D]-1M(t) 式(7)
この演算は、特に、高次元のDは、重い負担となる可能性がある。
動的ケース。動的混合モデルは、より現実的な環境を捉え、そのような環境モデルを定義し、この枠組みの中で原信号を再生するための更新法則を展開する。
動的ケースにおいて、マトリックスAは、もはや一定のマトリックスではない。静的例のフィードバックに関して、式(7)U(t)=[l+D]-1M(t)を、高速動的方程式
として観るとより簡単である。これは、任意の推定から式(8)の微分方程式を初期設定することによって演算を容易にする。しかし、式(8)及び式(6)によって定義されたような更新処理間の時間的尺度の分離を確保することが重要である。これは、式(6)のη及び式(8)のτを充分小さくすることによって、確保することができる。M(t)の次数がNであると仮定すると、動的信号分離アルゴリズムを定義する一連の微分方程式は、
と表すことができる。
これは、N個の微分方程式を列挙している。加えて、マトリックスDのエントリのための適応プロセスは、複数の閾値、例えば式(6)の関数f及びｇの高さ、によって定義される。図３は、フィードバック構成にある動的モデルの絵画図である。U(t)は、S(t)を近似する。関数ｇは、フィードバックネットワークの重み更新のために使用される閾値を定義する。
パラメータの適応のための信号分離閾値の適用。ここまでに定義されたアーキテクチャ内における適応閾値の適用のための処理に関しては、その概要は少しだけ説明されていない。以下の２つの暗示された処理が述べられている。
最初のものは、−任意のデータポイントの各々が実践的にも物理的にもアクセス可能か否かに係らず−このデータポイントに対する信号分離関数、適応処理、及び閾値の適用である。従って、この適応分離処理では、適切なパラメータ更新が行われた後に、個別に、また、即座に測定された混合信号の各要素に対し適応関数及び閾値が適用される。
図２Aに示された第2の処理タイブは、式(3)を使用している。このケースでは,閾値は、全てのデータ群、又は全てのデータ群から選択された複数のデータポイントに適用される。従って、関連する適応処理は、サンプル毎に行われるが、一定で静的混合マトリックスが適用されていると仮定した上で、その全体のデータ群を使用している。この方法は、上記最初ものより力強いものの、リアルタイムの信号分離には相応しくないオフライン方法とする必要がある。更に、静的一定のマトリックスの仮定が正しくない場合には、非混合プロセスの正確さが損なわれる。
信号分離に対するアプローチに基づく伝達関数
伝達関数による信号混合及び分離の表現は、このアプローチを動的環境モデル及び方法に結び付ける。
２つの混合体測定データを処理することによって、2つの信号を分離する構成は、図4Ａ及び4Ｂに示される。図4Ａ及び4Ｂは、２つの信号システムに関する信号混合及び分離のための従前の伝達関数の表現を示す。２つの信号Ｕ1及びＵ2は、Ｓ1及びＳ2を近似する。Ｇは、混合プロセスモデルHを反転する。この様な伝達関数アプローチは、2次元以上の高次元信号の場合には、実践的でも適用拡大できるものでもない。更に、伝達関数に対する混合環境の拡大は、信号の時間領域の性質も制限している。また、これは、上記方程式群から初期条件を除外してしまう。
伝達関数領域におけるこれらの分離関数のアーキテクチャは、全て設計の障害、実践的方法及び装置の障害となる３つの重大な不足点を残している。第1に、説明したこの公式は、高次元の分離プロセスの法則化を不可能とし、この問題となる次元は、2次元以上である。言換えると、分離方法の実践的公式化は、2つの混合体及び２つのソースがある場合には、存在しない。これは、マトリックス乗算項が書出され、スカラ方程式が、０に等しいことが望まれる全ての演算積マトリックスの１つを定義するという現在の方法を直接引用することによって説明できる。順列の対角マトリックスも許容されるため、複数の方程式群が作り出される。２つの混合体の問題に対し、これは、結果として、各々が2つの乗算項を持つ、2対(計４つ)の方程式を必要とすることになる。その上、方程式の数も増加する。正確には、特定順列のN次元ケースのための方程式数を表すために必要な方程式の数は、(N2−N)に等しい。2次元の問題に関して、この値は、2である。
第2に、伝達関数に関する反転処理は、無原則の、そして、方策又は示唆の存在なしの状態である。次元のインパクトは、ここでは決定的な役割を演じる。これは、結果としてのアーキテクチャが、次数が混合環境の伝達係数の積に従う伝達成分を必要とするネットワークを誘発するという方法であることからも明らかである。
第3の、公式は、時間領域に存在せず、任意の初期条件で初期化できないため、初期条件は、定義されない。従って、この方法は、リアルタイム又は列信号分離に相応しくない。
必要なことは、媒体又はチャネルを介して混合信号を分離する方法であり、ここにおいて、高品質の信号分離が達成されるが必要とされる。必要なことは、様々な媒体を介して伝達される混合信号を再生及び分離する方法であり、そこにおいて、信号分離は,(1)媒体又はチャネルの信号搬送能力、(2)受信信号の品質、(3)その両者、を実質的に高めるような高品質なものであることが必要とされる。この媒体又はチャネルは、固体、液体、ガス粒子、真空と同様に、ワイヤ、ケーブル、光ファイバ、無線ラジオ又は光を基にした周波数又は帯域の組合わせも含むものである。
発明の概要
本発明は、複数の入力信号を複数の出力信号に分離するための信号処理システムを目的としている。上記入力信号は、媒体に影響を受けた複数のソース信号の混合体からなる。このソース信号は、複数のソースと関連付けられる。上記出力信号は、上記ソース信号を推定する。上記システムは、上記入力信号を検出する複数のセンサ及び上記入力信号を受信(受入れ)及び記憶(格納)する記憶(格納)装置を備える。また、上記システムは、信号分離アーキテクチャを定義及び演算するアーキテクチャプロセッサを備え、そこにおいて、上記信号分離アーキテクチャは、上記入力信号と上記出力信号との関係を定義し、そこにおいて、上記関係は、一定パラメータと時間変化(varying)パラメータとを有する。また、上記システムは、各時間変化パラメータと、各時間変化パラメータに関連付けられた変化率に対応した各時間変化パラメータとの変化率を演算する更新プロセッサ、及び上記信号分離アーキテクチャと上記一定(constant)パラメータと上記時間変化パラメータとに基づく上記出力信号を演算する出力プロセッサを備える。
【図面の簡単な説明】
図1は、信号分離、識別、及び再生に関する問題の図面描写を示す。
図2A及び２Bは、信号分離のための２つの静的ニューラルネットワークを示す。
図３は、フィードバック式動的混合及び分離モデルにおける信号分離及び再生ネットワークのアーキテクチャを示す。
図4A及び４Bは、２つの信号システムに関する信号混合及び分離のための従来の伝達関数の表現及び方法を示す。
図５は、本発明による方法のプロセス流れ図を示す。
図5Ａは、信号混合及び分離に関する従来の伝達関数周波数領域の表現を示す。
図６Ａ及び６Ｂは、状態空間時間領域アーキテクチャのための2つの混合モデルを示す。
図７Ａ及び7Ｂは、状態空間時間領域のための2つの信号分離モデルを示す。
図８は、一般的なDSP実施アーキテクチャを示す。
図９は、一般的なDSP内部アーキテクチャを示す。
図10は、マルチスレッド適応プロセスを示す。
図11は、先入れ先出し(FIFO)スタック構成及びデータ収集プロセスに基づく一定幅長スタックの1実施形態を示す。
図12は、先入れ先出し(FIFO)スタック構成に基づく一定幅長スタックの他の実施形態を示す。
図13A及び13Bは、時間ウインドウを通じて測定又は演算された全ての関連データポイント群を含む長スタックからのデータポイント(短スタック)群を使用した分離閾値の適応例を示す。
図14は、本発明の信号分離及び再生処理に基づくオーディオ適用例を示す。
図15は、マイクロフォンDSPインターフェースに組込むことができるDSPに基づく手持装置に対する３つのオーディオ入力インターフェースを示す。
図16は、本発明の使用に適したオーディオ装置の概略を示す。
図17は、スマート・マイクロフォン・アレイ装置を示す。
本発明の詳細な説明
図5Aは本発明による方法のプロセス流れ図を示す。これには、(1)サンプルの収集(ブロック502)、(2)挿入又はアップサンプリング(ブロック504)、(3)サンプル群の選定(ブロック506)、(4)適応パラメータの演算(ブロック508)、(5)内部状態の演算(ブロック510)、(6)出力の演算(ブロック512)、及び(7)出力の記憶及び/又は提示(ブロック514)が含まれる。
サンプルの収集には、複数のセンサ、例えばマイクロフォン、を介して記録された多重チャネルデータの収集を含む。また、このようなデータは、前もって混合サウンドトラック、例えばレコーディングスタジオ混合信号から採ることもできる。データは、リアルタイムプロセス又は記憶媒体からの再生、テープ、ハードディスクドライブ 等から、オンラインでサンプルできる。
挿入は、オーバサンプリングが必要なアルゴリズムに対して実行される。信号のオーバサンプリングが不可能な(例えば、既に記録されたサウンドトラック)又は現実的でない場合、同じ持続時間の信号により多くのデータポイントを作り出すため、サンプルポイントの間に挿入することが可能である。アップサンプリングは、ある因数によりアップサンプリングされることによって、収集したデータのサンプル率と目標入力サンプル率に従って実行できる。例えば、10KHzでサンプルしたデータから60KHzのデータを作るためには、その因数は6である。言換えれば、5つのポイントを、各サンプルポイント間に作り出すことが可能であるということである。
サンプル群の選択は、プロセスの各繰返しで使用されるデータポイントの選択を伴う。
適応パラメータの演算は、関数(本ケースの場合、この関数は適応パラメータである)の値を演算するために、上記関数の導関数を使用する方法を伴うことができる。これらの方法の大半は、微分方程式を解くための積分方法、例えばルンゲクッタ法、を引用する。
内部状態の演算は、アーキテクチャの調査を伴う。また、これらの内部状態は、現実の状態及びこれら状態の導関数のフォーム(form)か、又は時間内でのサンプルのフォームである。状態因数は、微分方程式を解くための様々なタイプの積分方法、例えばルンゲクッタ法、を使用してそれらの導関数から演算できる。
出力の演算は、上記状態及び先ほど演算したパラメータを用いる。
識別は、本発明によるアーキテクチャを類別するにより行うことができる。これは、上記混合及び分離プロセスモデルと関係し、−その適用環境及び測定された信号の性質に従い−分離識別又は再生の処理を定義する。この識別は、数学的方程式と、上記混合及び分離モデルの両者についての公理とを設定し、これにより、混合及び分離処理の両者に適用する。
以下に箇条書きされた３組のアーキテクチャ及び方法がある。
1．周波数領域アーキテクチャ及び方法に基づいた伝達関数
2．状態空間時間領域アーキテクチャ及び方法
3．マッピング・アーキテクチャ及び方法
周波数領域アーキテクチャ及び方法に基づいた伝達関数
図5Aは、信号混合及び分離のための従来の伝達関数周波数領域の表現を示す。U(s)及びS(s)は、多次元信号、U(s)はS(s)を近似する。H(s)は、(s)としてモデル化された混合プロセスを反転する。この反転の演算は。最適化制御理論及び様々の微積分学に基づいた、従来の信号フィルタ、或いは、最大化又は最小化関数、或いは、閾値を伴うことができる。伝達関数として表される、測定された混合信号M(t)および信号S(t)の原ソース間の関係に関し、環境は線形時間不変であると仮定しなくてはならない。これは、伝達関数によって線形時間不変の関係のみを表すことができるからである。従って、伝達関数による信号分離の公式の問題は、動的及びフィルタ効果を含んでいるが、時間不変(固定)環境と仮定する。
しかし、多くのその様な仮定をすることが可能な、良く定義された帯域制限信号に対するこの公式の多くの適用が存在する。原信号S(t)のラプラス変換、つまりS(s),と測定された混合信号M(t)のラプラス変換、つまりM(s)、との関係は、以下のように定義される。
本発明の目的は、現実の
を知ることなく、
の反転としてのH(s)を求め、これにより、原信号を再構成することにある。
２つの信号に対する、つまりS及びMのいずれの次元も２である場合の、このプロセスの実行は、積
又は
であるので、可能である。
この2次元のケースに関し、満足させる必要の有る方程式群は、簡単に解くことができる。2つ以上のアーキテクチャに拡大する場合、
と同等と見なす。ここにおいて、T(s)は、対角フォームのものである。T(s)が自分自身と見なされる場合、全ての対角エントリは1.0に相当する。そして、
従って、
ここで、
は、(j,i)番目の余因数として演算された(j,i)番目のエントリでのマトリックスである。同様に、(j,i)番目の余因数は、
のｊ番目列及びi番目縦列を除くことにより作ったマトリックスの行列式(−1)j+lである。さらに、
を定義できる。
従って、高次元のために一般化された構成は、式(16)で定義されたネットワークとして現れる。このケースにおいては、
を持つことに注目する必要がある。
伝達関数H(s)の要素hij(s)の現実の公式は、媒体及び作用原信号ソースと、それらの成分の挙動及び相互との特徴に従っている。
分離フィルタH(s)の要素の構成のためのプロセスは、式(17)に示されるように、積
が同定マトリックス又はその順列、或いは相互に順列マトリックスである必要がある。この反転の演算は、2次元のケース以上に厄介である。各信号の加算は、実質的な演算負担を生む。それにも係らず、信号及び混合媒体の詳細が判れば、この処理は理論的には理解できる。
信号分離識別及び再生アーキテクチャの実施のための処理例は、以下のように要約できる。
1．測定プロセスから得られたデータの結果と同様に、測定データを記憶するために使用される記憶構成を作り、配置する。
2．伝達関数H(s)(混合伝達関数の反転)、スカラ伝達関数である伝達関数NXN要素マトリックスをつくる。
3．新しい測定データ群、つまり混合信号を受入れる。
4．新しい測定データ群を処理する。
5．信号分離閾値及び関数を評価する。
6．それに従って、伝達関数要素パラメータを更新する。
7．伝達関数パラメータ、つまり定義の変更の形跡を積算する。
8．(混合前に)原信号を推定するために新しい測定データ群を演算し、必要な時それら処理の結果を記憶する。
9．後続の分離及び識別インジケータを評価する。
10．メモリアロケーションが不充分又は不適切な場合、ステップ1へ。
11．フィルタ公式の変更が適切であれば継続し、そうでなければステップ２へ。
12．ステップ3へ。
伝達関数は、初期条件の効果を含む付加的利点により、状態空間の表現に変換できる。一般的考え方で混合環境を考慮する場合、例えば混合伝達関数の現実の特性が時間において可変である場合、この包摂関係は特に重要である。本発明のこの特定方法は次のセクションで説明する。
状態空間時間領域アーキテクチャ及び方法
図６A及び6Bは、状態空間時間領域アーキテクチャに関する2つの混合モデルを示す。図６Aは、概略的フレームワークを示す。図６Bは、
が固定されており、従来の信号処理に対する関係にある特殊ケースを示す。
図7A及び7Bは、状態空間時間領域アーキテクチャに関する2つの分離モデルを示す。図7Aは、概略的フレームワークを示す。図7Bは、モデルがパラメータ更新処理を示した図６Aの矢印以外を示すだけの、特殊ケースを示す。
本発明によるこのアーキテクチャは、線形動的システムとして、混合及び分離環境のいずれもモデル化している。この方法において、混合環境のパラメータは、図６Aに示された具現化(realization)
によって表される。これに対し、
は、図７Aに示される分離環境の具現化である。これらのパラメータは、混合及び分離の環境の動的特性を決定する。具現化
は、擬似定数で、混合環境の挙動をモデル化しているが、具現化は、分離プロセスによって定義される。
状態空間時間領域アーキテクチャのための混合モデルは、分離アーキテクチャの複数のタイプに適用される。このモデルは、数学的方程式のアーキテクチャ的表現である。
一方、図7Aに示されるように、状態空間時間領域アーキテクチャは、
u＝Cx＋Dm 式(21)
このアーキテクチャは、信号分離において、この数学的構成の使用のために必要な処理を定義する。このような処理が実行される場合、いくらかの不変又は擬似不変解、分離出力、及び識別プロセスに対する必要なパラメータ・カバレッジが、原信号ソースS(t)のレプリカ又はそれに充分に類似したコピーであることに関して、このアーキテクチャは、信号分離、識別、及び再生アルゴリズムの定義のための処理又は処理群の定義を必要とする。
本発明によるこのアーキテクチャの方法は、
1．複数、つまり2つ以上の混合体の処理が可能である。
2．直接的に初期条件の効果を含むことが可能である。
3．マトリックス(A,B,C,D)及び
が、時間関数であると仮定することにより時間分散を含むように拡張できる。
4．例えば混合のために、一般的非線形モデルを組込むことが可能となる。
そして、分離のために、
u=Φ(x,m,W2) 式(25)
5．方程式22〜25において、演算子
が時間関数と仮定することによって、非線型で、期間可変モデルを含むように拡張できる。
線形ケースにおいて、
と(A,B,C,D)との反転関係を以下のように示すことができる。
式(19)において、
従って、uが推定ソース信号ｓであることを与えられた式(21)について、
そして、
同様に、式(18)に
を代入することによって、
そして、
を示すことができる。
が平方マトリックスでなく、そのため反転できない場合において、測定データ、つまり混合体が、ソース以上に得られるようなケースには、平方マトリックスである
を仮定して、擬似反転
を使って一般化処理に従うことができる。
この方法において、適切な更新法則によってネットワークを再構築する必要があり、ネットワークパラメータは、以下のような、式(26〜30)の代替変形となる。
本発明の実施に与えられた様々なソフトウエア及びハードウエア成分を含み、様々な相応しい演算技術及び機器によって、正確又は近似的にそれらの解を得るため、パラメータA, B, C, Dを解くことができる。
このような演算機器への入力は、複数のソースから信号を受信する複数の検出器を介して受信された適切な混合体である。
本発明の実施による上記入力の演算後、演算装置からの出力は、干渉無く原信号であるとほぼ推定される記憶されたソース信号を含む、1組の分離された信号である。
与えられた混合体に対し選択された最適化関数群を演算することによって、信号分離の問題が解決されるように、情報最大化閾値の数組を使用して、(アナログ電子工学のような)連続的な及び(デジタル演算のような)離散時間的な方法のような、様々な最適化関数及び数値解方法が適切に使用される。
信号分離、識別、及び再生のためのこのアーキテクチャの１つの処理は、以下のように要約できる。
1．上記測定データの演算、及び測定データ収集つまりサンプリング率から得られたデータの結果と同様に、測定データの記憶のために使用されるメモリ構成を作り、配置する。
2．適切な次元の4つのマトリックスA, B, C, Dを作る。
3．新しい測定データ群、つまり混合信号を受入れる
4．信号調整を行うことによって、入来混合信号及び測定データを処理すると共に、記憶及び関連した手順を処理する。
5．信号分離閾値及び関数を評価する。
6．それに従って、４つのマトリックス又はそれらの下位集合を更新する。
7．マトリックス次元の変更、カバレッジ率、時間定数、及び他のパラメータつまり定義の変更の形跡を積算する。
8．(混合前に)原信号を推定するために新しい測定データ群を演算し、必要な時それら処理の結果を記憶する。
9．後続の分離及び識別インジケータを評価する。
10．メモリアロケーションが不充分又は不適切な場合、ステップ1へ。
11．フィルタ公式の変更が適切であれば継続し、そうでなければステップ２へ。
12．ステップ3へ。
特殊ケース。混合及び分離モデルの正統なフォームが、方程式(18〜21)におけるそれらの正統なフォームから変更され、
が固定された場合の特殊ケースを設計できる。図6B及び7Bにおいて、この特殊ケースが図示されている。従来の信号処理及び関連技術において、混合モデルに関し、この特殊ケースは、混合マトリックス
が演算される時、フィルタされた及び/又は遅延された1組のソース信号の変形を生み出す。この演算子の演算結果が、演算子
の演算結果に加えられる。このように、式(10)は、
と書き換えることができる。同様に、分離モデル及びアーキテクチャに関し、この特殊ケースは、マトリックスCが演算される時、フィルタされた及び/又は遅延された1組のマトリックスmの変形を生み出す。この演算結果が、分離信号uを得るためのmに関する演算子Dの演算結果に加算される。
U(s)=H(s)M(s)=[C(sI-A)-1B+D]M(s) 式(37)
この特殊ケースは、状態空間時間領域アーキテクチャと伝達関数モデルとの一致を、明確にもたらす。正統アーキテクチャフォームの使用のための手順は、非常に類似している。相違点は、以下のように強調される。
1．ステップ2において、AとBは固定できる。
2．ステップ6において、2つのマトリックスCとDのみ更新に必要とされる。
マッピングアーキテクチャ及び方法
マッピング・アーキテクチャ及び方法は、物理的具現化、前述したアーキテクチャ、特にハードウエア加速エミュレーションつまりデジタル信号プロセッサ装置、の実施を容易にするための代替としての実施形態である。このゴールに向け、上記モデルは,時間導関数を時間におけるサンプル、つまり上記式の
をz(t+1)
に置きかえることによって、離散時間フォームと見なすことができる。以下、全手順は、マッピング・アーキテクチャ及び方法の実施のための概要である。
混合環境は、時間領域関係によって表されるとする。
ここにおいて、(K)は、連続時間ケースにおけるK番目の導関数、離散時間ケースにおけるK個の遅延サンプルを表す。上記のように、s(t)はソース、m(t)はマトリックス、及びu(t)は分離出力信号である。
信号分離ネットワークは、
で定義される。ここにおいて、C及びDの次元は、nXmで、Aの次元はnXnである。一般的に、Ｌ’＜Ｌ及びＮ’＜Ｎが考慮される場合には、
である。この具現化は、
u(t)=WΦ 式(40)
と表される。ここで、
そして、
Wは、平方マトリックスである必要はない。つまり、Wはn X [L’m+N’n]次元である。
このマッピングモデルは、信号処理において、IIR(無限インパルス応答)モデルに対応する。更に、FIR(有限インパルス応答)モデルの特定ケースは、出力信号ベクトルu(t)の導関数と関連付けられた項を削除することによって得られる。
物理的具体化及び実施
ソフトウエア・エミュレーション。伝達関数周波数領域アーキテクチャ、状態空間時間領域アーキテクチャ、及びマッピング・アーキテクチャのアーキテクチャ的表現は、コンピュータプログラムの中に変換されている。例えば、上記手順は、コンピュータ判読言語にコード化され、演算されたコンピュータ指示群は、互換性のある演算プラットフォーム上で実行され得る。従って、ソフトウエア・エミュレーションは、本発明の実施オプションに含まれ、特定プロセッサ上で自動的に実行されるようにすることについての、アルゴリズムの特定の言語へのコード化を伴う。FORTRANやC/C++のような高級言語は、このコードをポータブルなものにできるというプロセッサ特有の又は一般的な賛辞の裏付けをもっている。このコードのいくらかは、他の機能と一体にでき、既存のプラットフォームに組込む又はプロセッサのメインプログラムメモリに含めることができる。一方、Javaのような、より最近の言語は、独立したプラットフォームであるためそのアルゴリズムは、ネットワーク環境において複数のプラットフォーム上を走るようにコード化されている。
ハードウエア加速エミュレーション。また、この手順もコード化され、又は、特定の信号処理装置に対する高級言語(例えば、C/C++、FORTRAN、等)によって変換され、又は上記手順を、信号プロセッサの内部又は外部の特定プログラム又はメモリ内に組込むことによって変換される。これは、説明されたハードウエアに加速されるアーキテクチャの実施を形作っている。ハードウエア加速エミュレーションの実施は、リアルタイム・オンライン信号分離に関し充分に速くすることは可能であろう。この目的に使用することのできる装置には、これに限定されるものではないが、新高出力デジタル信号プロセッサ(DSP)、マイクロプロセッサ、アプリケーション特定のチップ(ASIC)、及び、これに限定されるものではないが、フィールド・プログラマブル・ゲート・アレー(PLA)、或いは、高速乗加算を演算すると共に高精度を提供するような、予め仕様設定されるか又は専用プロセッサを持った、他の特別注文又は予めプログラムされ自動化ラインで生産された商品を含むプログラマブル装置が含まれる。
図8は、DSPに実施可能なアーキテクチャ800を示す。DSPアーキテクチャは、データスタック804に接続された、1つ以上のA/D(アナログ信号からデジタル信号への)変換器802を備える。データスタック804は、DSP806に接続され、更に、DSP806は、メモリ装置808及びD/A(アナログ信号からデジタル信号への)変換器810にアクセス可能に接続されている。DSP装置806の内部には、以下に示される様々な機能ユニットを備えている。適用の特質、混合体の数、望まれる精度 等に応じ、異なる構成・配置とすることも可能である。図7に、一般的なDSP装置806のブロック図を示す。この装置特有の信号処理を実行するために既に備えられている他の手順1部として、信号分離プロセスを統合すると便利である。A/D変換器802及びD/A変換器806は、単一のチップとするために、この構造に統合することができる。DSP装置(806)は、メモリ装置902、MAC(乗算累積器)904、ALU(論理演算ユニット)906、アキュームレータ908、シフタ910、内部アキュームレータ912、及びアドレスユニット/レジスタ914を備えることができる。メモリ装置902は、プログラムROM及びデータ/プログラムRAMを備えることができる。MACは、1つ以上の乗算器及び加算器を備えることができる。ALU(論理演算ユニット)906は、１つ以上の加算器、ロジックオペレータ、及び比較器を備えることができる。アキュームレータ908は、テスト回路、シリアルポート、タイマ、待ち状態ジェネレータ、クロックジェネレータ、ホストインターフェース、スタック、及び補助レジスタを備えることができる。
一般的な手順は、以下の通りである。入来信号は、電気的に変換され、これらの混合体はデジタル化され記憶される。そして、本発明の手順、アルゴリズム、及びアーキテクチャは、個々のソース信号の、分離、識別、及び再生のために実行される。説明される１つ以上のユニット、例えば複数機能を持った複数のDSP及びDSP、は、リアルタイムオペレーションのために、このプロセスを実行するように仕様することができる。DSPユニットは、アルゴリズムと関連付けられた方程式を解くために必要なステップを実行することができる。このプログラムは、DSP装置がデコード化し実行できるアセンブリつまり機械言語へ翻訳するため、上記手順を高級言語に変換することによって得ることができる。DSP機能ユニットの手順を最適化することによって、顧客専用機又はアセンブリ言語コードは、アルゴリズムの実行をより加速することができる。
そして、上記ソース信号の近似体を作るこれらのプロセスからの出力は、記憶され、アナログ値に変換され、及び/又は更に処理される。更なる処理の例は、信号調整、分類、識別、復調、及び他の信号処理オペレーションを含む。
過剰決定(混合体の数が、ソースの数より多い状態)、過小決定(混合体の数が、ソースの数より少ない状態)、変動(ソース及び/又は混合体の数が、変化する状態)、又は未知(ソース及び/又は混合体の数が、未知の状態)を扱う追加の手順が、フローチャートに概略が示されている。更に、誤差チェック、データ完全性、及びデータ識別スキームは、本アプローチの推進力、信頼性と同様に、将来性を高め、また、適用の領域も拡大する
これらの手順は、直ちにDSP、又は、必要な信号分離・識別・再生機能の組込み込まれる装置にプログラムすることができる。
パラメータ適応のための関数及び閾値
一連の適応技術のいくらかは、本発明によるアーキテクチャ及び方法のパラメータを得るために使うことが可能である。
神経細胞に示唆された静的アーキテクチャ。式(3)及び図2に説明されているように、神経細胞に示唆された静的アーキテクチャにおける信号分離は、重みマトリックスWの演算が必要である。このため、まず、
Ｑ=f(u)g(u)T 式(43)
による外積Ｑを導く。ここにおいて、fとｇは、２つの適切な奇関数で、それらは、関連していても、してなくても良く、また、uは入力信号uを推定した出力信号群である。uが時間関数であるため、このマトリックスは、時間関数である。時間との相関関係は、関数fおよびｇによって強くなる。
Wの導関数、つまりＱを数学的に表す微分方程式の１つを積分することによってWマトリックスを導き出す式(43)の
に基づく適応手順のいくつかのカテゴリを考えることができる。1例として、離散時間デジタル実施において、Wは、
のように、Wの値を
と関連付けたオイラー近似によって演算できる。ここで、Ｗは、時間tにおける時間に関するWの導関数で、hは、Wの2つの連続する値、つまりWt+1及びWt間の時間におけるステップである。
以下のように、9つの重み更新ルールのカテゴリがWに対して表されている。
Ｗ=η(αdiag(Ｑ)-Ｑ) 式(48)
ここにおいて、αは、正の数である。式(45〜53)において、ηは適応の率で、ηは、プロセス中に変化する数である。上付き文字(-Ｔ)は、反転置換を表し、そして、diag(Ｑ)は、対角マトリックスであり、上記対角要素以外の全要素は０に等しく、diag(Ｑ)の対角要素は、Ｑの要素に等しい。
は、diag(Ｑ)の時間平均値である。
状態空間アーキテクチャ。式(20〜21)で表したように、状態空間時間領域のケースにおける信号分離は、マトリックスA、B、C、及びDの演算が必要である。このため、
K=f(u)g(x)T 式(54)
L=f(u)g(u)T 式(55)
のように２つの外積マトリックスK及びLを導く。ここにおいて、f及びｇは、２つの適切な奇関数で、関連があっても、なくてもよく、また、uは入力信号uを推定した出力信号群で、mは、受入れた混合体群、そしてxは、内部状態群である。これらの時間との相関関係は、関数fおよびｇによって強くなる。
状態空間時間領域表現のケースにおいて記載したように、マトリックスA及びBは固定されていると仮定すると、C及びDマトリックスを導き出す式(51〜52)におけるK及びLに基づいたいくつかの適応手順のカテゴリが考えられる。先にWによって説明したように、C及びDの導関数を数学的に表す微分方程式の１つを積分することによって、C及びDを求めることができる。例は式(44)に示される。
以下のように、9つの重み更新ルールのカテゴリがCに対して表されている。
ここにおいて、
は、diag(Ｋ)の時間平均値で、diag(Ｋ)マトリックスの１以上のサンプルを平均することによって求めることができる。
式(56〜64)において、ηは適応の率で、ηはプロセス間で変化する数である。上付き文字(-Ｔ)は、反転置換を表し、diag(Ｋ)は対角マトリックスであり、そこにおいて、対角要素を除く全ての要素は０に等しく、diag(Ｋ)の対角要素は、式(54)に示されたＫ、Ｋの要素に等しい。
以下のように、9つの重み更新ルールのカテゴリがDに対して表されている。
ここにおいて、α＞０及び
は、diag(Ｌ)の時間平均値で、diag(Ｌ)マトリックスの１以上のサンプルを平均することによって求めることができる。
式(65〜73)において、ηは適応の率で、ηはプロセス間で変化する数である。上付き文字(-Ｔ)は、反転置換を表し、diag(Ｌ)は対角マトリックスであり、ここにおいて、対角要素を除く全ての要素は０に等しく、diag(Ｌ)の対角要素は、式(55)に示されたＬ、Ｌの要素に等しい。
式(56〜64)及び(65〜73)は、色々な方法で結合できる。９カテゴリは、Ｃ及びＤで表され、81の順列が可能である。
マッピング・アーキテクチャ。神経細胞に示唆された静的アーキテクチャ、式(40〜41)のマトリックスＷとして示されているパラメータ、に適用した方程式、例えば(45〜53)は、マッピング・アーキテクチャにも適用できる。次元表示一定を保つため、マッピング・アーキテクチャのために、本発明による重み更新ルールの９カテゴリを書き換える。
まず、
L=f(u)g(Φ)T 式(74)
のようにＬを再定義する。ここにおいて、f(u)の次元はnX1で、またg(Φ)Tの次元は1 X Nで、ここで、式(42)の表示は、N=(L’+1)+N’nである。
そして、以下の重み更新ルールのカテゴリが設計できる。
式(75〜83)において、ηは適応の率で、ηはプロセス間で変化する数である。上付き文字(-Ｔ)は、反転置換を表し、diag(Ｌ)は対角マトリックスであり、ここにおいて、対角要素を除く全ての要素は０に等しく、diag(Ｌ)の対角要素は、Ｌの要素に等しい。表記[I/O]は、n x n同定マトリックスをα倍した正の数で構成されるn x N次元非平方マトリックスを参照しており、残りの列(つまり、列N-nからNまで)は０で満たされている。表記[I/O]は、最初のn列からＬ列までを利用することによって得られるn x n部分マトリックスの対角要素を表している。量に関する障壁は、１以上のサンプルでの時間平均で表される。W-Tは、非平方マトリックスの擬似反転の置換えを示す。Wを一般化する更新方程式の測定データは、成分マトリックスD、C、CL及びA1,...AN’に対し、更新法則の項を直接的に睨むことができる。
線形パラメータ適応に関するリアルタイム
上述のアーキテクチャ及び手順は、信号分離及び再生手順を改善する付加的技術とともに説明された。
非混合(又は、適応ネットワークの重み付けされた)マトリックス・エントリ演算又は直接採取した１つの段階の任意データで更新することができる。この適用における方法は、リアルタイム・オンライン分離を行うことも可能であるが、この方法は、単一ポイントによって導き出す解の経路を変更するため、誤差を生じる可能性が高い。分離プロセスのパラメータを更新する他の手順は、全データ群に対する閾値を提供する、又は、全データ群からデータポイントを選択する。この方法は、現実の実施に対し不可欠の因果関係を欠いている。関連適用プロセスは、時間ということに関しては進展しておらず、というかむしろ、今でも、入替えの段階における値を含め、全データを使用している。更に、一定で静的な混合マトリックスを、全範囲に適用することが仮定されている。この方法は、最初のものより力強いが、リアルタイム信号分離に相応しくないオフラインによる方法であるのが必須となる。その上、静的一定マトリックスの仮定が正しくない場合には、非混合プロセスの精度は損なわれる。
連続マルチスレッド適応。図10は、マルチスレッド適応プロセスを示す。いくらかの信号分離プロセスは、パラメータの飽和の防止と、持続する正しくないパラメータ推定可能性の低減のため、時間において重複している。各プロセスの初めに、パラメータは初期化され、適応閾値が適用される。時間の各ポイントで、マスタープロセス、報告される分離結果、及び1つ以上のスレーブプロセスが存在する。
このように、各時間ポイントで、1つ以上のプロセス、報告される分離結果がある。適用に応じ、各プロセス出力は、多くの用途に使用される。例えば、分離信号の中の推定してみたいニーズのある、ただ１つの信号を想定してみる。この場合、上記対象信号の品質を最適化するマスタープロセスがあり、これに対し、他のプロセスの結果は無視される。他の例では、冗長(スレーブ)プロセス結果はが、(1)各分離プロセスの成功をチエックする、(2)最適初期化ポイントを評価・選択する、又は(3)プロセスを完了する時を決定する、ために、上記マスタープロセスの結果、及び/又は他のスレーブプロセスの結果を比較される。マスタープロセスが終了した時、スレーブプロセスが始まる。図10において、時間インデックスｔ1のおいてプロセス1は終了する。このポイントで、それら分離結果の品質測定に応じ、他３つのスレーブプロセスの最適な1つが、マスタープロセスの代わりに始まる。
パラメータ適応に使用されるデータバッファ又はセット(長スタック)。検討したように、信号分離閾値の適用及び分離パラメータの演算・適応は、単一データポイント又は得られた全体データ群のいずれかで実行される。これらのいずれも、制限された使用条件を持つ。単一データポイントのケースでは、単一又は一連のノイズを含むポイントは、理想解からの適応パラメータの経路に変更又はそれを流用することが可能であり、或いは有り得ることである。スペクトラムの対向端において、分離閾値が、全データ群の適用するということは、(1)全てのデータポイントの蓄積(記憶)は不可能である(2)全データの処理によって生じる待ち時間は許容できないため、ほとんどの場合現実的でない。
この理由に対し、本発明は、測定された信号、分離信号、又は特定の応用の時間的制約に関して課せられた多くの閾値に応じて調整されたリアルタイム・オンライン・実行時間・ウインドウの新設を伴うものである。これらの閾値は、一般的に、分離又は識別プロセスの成功レベルを測定するもので、測定された又は分離信号のパワースペクトラム、測定された又は分離信号の静的類似値、又は分離プロセスの人的ユーサによって導かれるようなパラメータが測定される。長スタックは、記憶装置、デジタル又はアナログ記録媒体に蓄積できる。
データ群の内容は、新しい測定信号群が得られた後に変更できる。最も直接的で簡単な方法は、データから、最も古いデータポイントを単に取除くことを行うことである。これは、図11に示される先入れ先出し(FIFO)タイプのスタックで構成することによって行うことができる。図１１は、先入れ先出し(FlFO)タイプスタック構成及びデータ取得プロセスに基づく一定幅長スタックの1実施形態を示す。斜線領域は、このケースにおける長スタックの内容を示す。サンプル時間＝Wまで、得られた全てのデータ群は記憶される。サンプル時間＝Wの場合、スタックは満たされた状態にある。このポイントを超えると、最も古いデータは、スタックから消去される。これは本発明を単純化した説明であり、スタックは、FIFOタイプのもの、又は一定幅のものでなくても良い。以下の手順は、データ群を選択するための本発明に基づくプログラム例である。
1．データスタックの長さの設定
2．信号分離パラメータの初期化
3．最新の時間定数の測定データ群の取得
4．これが有用なデータ群又はポイントか？
No → このデータ群の分離を実行することが好ましいか？
Yes → ステップ6へ
No → ステップ3へ
Yes → データスタックは一杯か？
No → 最新データポイントとしてデータポイントを記憶
Yes → 最古のデータポイントを削除し、最新データポイントとしてこのデータポイントを記憶
5．このデータセットに関する分離を実行することは好ましいか？
Yes → ステップ6へ
6．信号分離手順の実行
7．これが有用なデータポイントの場合、分離プロセスの結果をデータスタックに記憶
8．チエックポイントに到達すると、分離プロセスの成功を評価
9．分離は満足できるものか？
No → ステップ1へ
Yes → スタックサイズを低減することが好ましいか
No → ステップ3へ
Yes → ステップ1へ
このプロセスに、直近に入手できるサンプルよりむしろ、現在の時間定数より前に得られたサンプルに関し実行された信号分離の結果を出力するという待ち時間が生じる可能性がある。
適応推定閾値の適用のための、長スタックからの下位集合要素(端スタック)の確率論的又は決定論的選択。特に、信号分離及び識別アルゴリズムの実行前に、長スタックから使用のためのデータポイントを選択する必要がある。この概念を簡略化した図面が図12に示されている。図12は、7要素深である先入れ先出し(FIFO)スタックに基づいた一定幅長スタックの例を示す。斜線領域は、このケースにおける長スタックの内容を示す。サンプル時間＝7まで、得られた全データ群が記憶される。サンプル時間インデックス＝7の時、スタックは満たされる。このポイントを超えると、最古のデータはスタックから消去される。各プロセス時間インデックスにおいて、短スタックを形成するため、２つの要素が長スタックから選択される。これらの要素は、黒の正方形で示される。
最新の結果及び測定データ群か、全結果及び測定データ群のいずれかを使用する場合は、このような選択は必要ない。現在の出力は、将来の混合体に依存しているため、後の演算は生じない。よって、後の演算はオフラインのみで可能である。既に、信号分離及び識別アルゴリズムのリアルタイムな実行について説明したように、これは現実的でない。決定論的に、ランダム的に、或いは、擬似ランダム的に、そこからポイント群を選択することによって入手可能な全データスタックの選択群を使用することが好ましいかもしれない。決定論的選択は、完全に推測可能で、各時間の同定データ群と同じものとなるであろう。しかし、ランダム的又は擬似ランダム的選択閾値は、同定データとも異なる選択群を与える可能性がある。
1つの強力な決定論的閾値は、長スタックの周囲から始まり、ランダム又は設定されたインデックスで終わる短スタックのサイズを拡大又は縮小する。このプロセスは、分離プロセスの結果によって左右される。つまり、受入れられた分離及び識別の品質は、長スタック内のデータ、短スタック内の各ポイントのデータ要素数、及び短スタック内のデータの数値的精度を定義するために使用することができる。決定論的手順は、短スタックの長さ、数値精度、開始点、及び要素をランダムに選択するような確立論的手順と組合わせることができる。例えば、インデックスの確立分布は、最新ポイントの選択には有利でもあり、不利でもある。確率分布の定義は、それ自身、原及び分離した信号と、演算時の混合特性とに基づく確率論的又は決定論的なものである。ネットワークのための更新演算は、全て原因から引き続いて起こるものであり、出力の現在の値は、混合体の現在及び過去のみに依存している。
図13は、時間ウインドウ上で測定又は演算された全ての関連データポイント群を含む長スタックからのデータポイント(短スタック)群を使用した分離閾値の適応例を示す。長スタックは、N要素幅で、M要素深である。関数は、それらの時間インデックスによってグループ化される。測定信号及び推定原信号又は分離信号、中間演算の結果、及びそこでの種々の関数を含む、M演算結果を持つN時間例がある。長スタックの内容は、移動するウインドウ、又は測定及び演算の履歴を表す。最も新しく測定・演算されたデータポイントは、最新インデックスのよってスタックに添えられ、その前に新しいデータ群は取除かれる。前述したように、スタック自身のサイズは、一定である必要はない。
短スタックは、特定の時間定数における演算のために、長スタックからエントリされる。また、短スタックの内容は、演算が実行される際、時間における全定数で変更される。時間ｔで選択された短スタックエントリは、時間ｔにおいて、推定原信号又は分離信号を演算するために使用される。しかし、時間tは演算の時間であるが、分離された出力に関連付けられた時間である必要はない。現在取り組んでいる将来のスキームである出力における待ち時間があるため、時間tでの演算は、Lが待ち時間を表す場合、期間ｔ−L間の分離信号についてである。
このように、本発明のアルゴリズム及びフレームワークは、本発明を、信号及び波動の伝播、伝送、及び変換による実施でいつも経験する信号遅延及び他の非線形な出来事等の変化する現象に適応できるようにする一般時間領域システムを考慮している。
また、本発明は、長及び特に短スタックのエントリを選択する閾値を操作することによって、出力の色々なフォームの重み付けを処理し、活用するための静的に重要な間隔を考慮している。
適応パラメータ推定のための帰納的手順。様々な適応において、特に、分離プロセスの高い精度が望まれる場合、信号分離プロセスを帰納的に適用することだでき、すなわち、信号分離プロセスからの出力は、好ましい精度が達成されるまで、次の分離プロセスの入力として取扱うことができる。分離の各後続するプロセスは、前のプロセスと同じ又は相違するモデル、アーキテクチャ、及びパラメータを使用できる。また、この方法は、マルチスレッド適応手順のような、本発明のリアルタイム・オンライン手順と組合すことができる。
オーディオ信号処理への適用
会話、話し手、及び/又は、そのプロセスに関連する演算の難題を与える言語の認識及び処理のために、或いは、ユーザのプライバシ及び/又はサーベランスの目的ために、ノイズのないクリアな信号、例えばノイズ、周囲音、及び他の話し手に汚されない会話セグメント、を得ることが好ましい。本発明の信号分離アーキテクチャ及びアルゴリズムは、この目標に向けた先端として使用されている。マイクロフォン・アレーは、会話(及び、他の)信号の多くの種類を得るために使用することができる。これらは、元の個々の信号又は会話セグメントを得るための信号分離に使用される混合信号であってもよい。これらのセグメントは、マイクロフォンによって捕捉される元の(原)信号より、より少ないノイズ及び他の干渉ソースを含んでいる。
図14は、本発明の信号分離及び再生手順に基づくオーディオ適用を示す。オーディオ信号は、マイクロフォン・アレー1402のエレメントによって、電気信号に変換される。マイクロフォン・アレー1402の各エレメント周辺における音の異なる種類(混合体)を受入れる。マイクロフォン要素の異なる配列は、適用の性質、混合体の数、望まれる精度、及び他の関連閾値に応じ設計することができる。いくらかの信号調整及びフィルタリングにより、これらの信号は、アナログ形式からデジタル形式に変換し、それらを記憶及び処理することができる。本システムのDSP装置806は、本発明の信号分離及び再生手順に従ってプログラムされている。DSP装置806は、様々な算術及びロジックオペレーション、及び最適性能を達成するためのデジタル表現、データ記憶及び検索手段を備えることができる。図面に示された回路及び構成は、単一チップによる総合システムの実現に向けて更なる統合を行うことができる。図14は、図8のハードウエア加速実施オプションのフレームワークにおける適応の特定システムを示す。
図15は、マイクロフォン・DSPインターフェースに組込むことができるDSPに基づいた手持型装置に対する３つのオーディオ入力インターフェースを示す。最も左側には、マイクロフォン1502に対する一般的なインターフェースがある。マイクロフォン1502は、A/D変換器1504に接続されており、このA/D変換器は、DMA(ダイレクト・メモリ・アクセス)チャネル1506、及びDSP又は音声処理チップ1508に接続されている。中央に、図14のケースと同様に、直接的な方法でマイクロフォン1052が示されている。これは、他のA/D変換器1504及び多分もっと重要な他のDMDチャネル1506又はチップ1508を使用することができる。最も右側に、マルチプレクサ1510の使用低減に影響する有力な方法が示されている。マルチプレクサ1510に対する選択信号は示されていないが、直接的な方法でサンプリング・クロックから生成することができる。複合化された入力の場合には、オーディオ信号パス上の影響は最小限とされる点に注目されたい。また、同時サンプリングが必要な場合、2つのA/D変換器1504を使用してサンプルし、(アナログ)マイクロフォンの代わりにデジタルデータを複合化するというわずかな変更を考えることもできる。
図16は、本発明の使用に相応しいオーディオ装置の概要を示す。これは、多くの機能を発揮するようプログラムされたスマート音響感知・処理装置1600である。この装置は、音声又は音響信号に基づいたインターフェースを実施するたねに、演算又は通信装置内に、全体として又は部分的に使用することができる。スマート・マイクロフォン1600は、マイクロフォン・アレー1604を介してソース1602から複数の音を受入れる。マイクロフォン・アレー1604は、マイクロフォン・エレメント1805から構成されている。マイクロフォン・アレー1606は、A/D変換器1606、及び1つ以上のDSPs又はDSPコアー1608に接続されている。DSPコアー1608は、メモリ装置1610、少なくとも１つのデジタル回路1612及びアナログ回路1614、オンライン・プログラミング・インターフェース1616、及びD/A変換器1618に接続されている。メモリ装置1610は、信号分離及び再生アルゴリズム、及び前述した手順を含んでいる。デジタル回路1612及びアナログ回路1614は、信号変換、調整、及びインターフェース回路を備えている。D/A変換器1618は、出力チャネル1620及び他の出力チャネル1622に出力を送る。図面では、それらを平面上に置いたものが示されているが、マイクロフォン軸線は、同一平面上にある必要はない。事実、図17に示されたものと同様に円筒状配置は、全方向からの音を拾い上げる上で望ましい。これらの方向のいくらかは、拾い上げることができないかもしれない。このスマート・マイクロフォンは、図16にその概要が示されたマイクロフォン要素1605を備えている。この装置は、最少のオーディオ信号分離及び再生実行能力を持っている。付加的特徴を、デジタル信号プロセッサ上と同様にプログラムすることによって、これらの特徴を付加することができる。この装置は、予めプログラムした後、従来のマイクロフォンの代わりに使用することができ、また、オンライン・プログラミングよって自由度を利用した新しいオーディオインターフェースとして使用することもできる。構成部品を説明するために、従来のマイクロフォンより大きく図示されているが、実際には高度の統合によって、従来品と同等若しくはそれより小さいものとすることができる。
マイクロフォン技術及びマイクロフォン・アレー。マイクロフォンは、空気粒子の振動としての音響エネルギを、電子の振動としてマイクロフォン・ケーブルに沿って送られる電気的エネルギに変換する装置である。一旦、この変換が起こると、音情報は、通常の音響的拘束から開放される。それは、増幅され、ワイア上又はラジオ波を介して伝送され、記憶され、また処理・加工できるようになる。
今日、マイクロフォンは、至る所にある装置である。多くのタイプのマイクロフォンが存在し、このセクションは、マイクロフォンに関連する技術の概要を説明する。全てのマイクロフォンに望まれる特徴は、意図される特定の適用にいくらかの範囲に依存している。しかし、製造者のマイクロフォン仕様と同様に、音響変換の原理を検討する中で、以下の性能カテゴリが、適切なマイクロフォンの選定における重要な支えになっている。
1．軸線上の周波数応答、これは、一定音響レベルに関する、信号出力 対 周波数で言及される。
2．指向性、これは、平面上での全方向から受入れられた音に対するマイクロフォンの応答、例えば全方向性、心臓型、ショットガン、で言及される。
3．軸線外周波数応答、(1)と同様、しかし、軸線外での。
4．感度、つまりマイクロフォンの、音響エネルギを電気信号に変換する効率。
5．セルフ・ノイズ、つまり固有ノイズレベル
6．歪、つまり音響エネルギに対する線形応答からの偏差
ヒーテッド・ワイア(heated wire)やクラウド・オブ・イオン(cloud of ions)に基づいた、いくらかの風変わりなタイプは除いて、全てのマイクロフォンは、音響エネルギを、薄く軽いダイアフラムの音波に対応した機械的振動を介して、機械エネルギに変換する。一般的に、このダイアフラムは、円形状で、周囲を把持されているが、端部のクランプ間に伸びる薄いリボンタイプを含む他の形状も出現している。従って、マイクロフォンにおけるエネルギ変換は、通常、同時に起こる２つのステージで起こることが判る。
第1ステージにおいて、どの変換器タイプのマイクロフォンが音から機械的エネルギを引出す主な２つの方法も、圧力操作及び圧力勾配操作である。圧力操作マイクロフォンの顕著な特徴は、マイクロフォンの裏面が閉塞されているため、動作力は、前方の瞬間的空気圧によるものである。小さな空気穴が、長いターム(term)の内部及び外部空気圧を等しくするために、ケーシングに開けられている。純粋に圧力を操作するマイクロフォンは、全方向性である。一方、圧力勾配マイクロフォンは、ダイアフラムの両面が空気に対し等しく開放するように作られている。いかなる例においても、ダイアフラム上の有効応力は、単純に、前端の圧力によるものではなく、前後端の間の圧力差、つまり圧力勾配によるものである。これは、本システムの指向性の重要な支えとなる。全種類の指向性パターンは、圧力と圧力勾配操作とを組合せる時に可能となる。
第2ステージは、引出された機械的エネルギを電気エネルギに変換する色々な電気ジェネレータ原理を使うことができ、マイクロフォンは、それに従って分類される傾向にある。いくらかの共通した分類は、以下のように表すことができる。
1．電場における導体の動きが、導体内の電流の流れを起こす電磁場を作る原理に基づく可動コイル(動的)マイクロフォン。
2．動的マイクロフォンとしての、同様の原理に基づくリボンマイクロフォン。そこにおいて、リボンは、ダイアフラム及び導体として働く。
3．導体要素が、ダイアフラムの振動に基づいて変化するコンデンサであることに基づくコンデンサ(蓄電器又は静電)マイクロフォン。
4．エレクトレット材料でコートされた(裏面が極化された)固定プレートトともに極化された又はニュートラルなダイアフラムを使用したエレクトレットマイクロフォン。
5．出力端子において、効果的置換に釣り合う交流電圧を引き起こすロッドによって、ダイアフラムの振動が、(単一ユニットを形成するために接続された逆の極性にされた)バイモルフに伝達されるようにした、圧電特性を有する結晶又はセラミック材料を使用した圧電マイクロフォン。
6．外部圧が変化すると接触面積が増減する炭化硬質炭の顆粒を使用した、多くの電話に使われているカーボン・マイクロフォン。
過去10年間で、シリコンのミクロ機械加工技術は、シリコンウエハによる小型マイクロフォンの製造に広く適用されてきた。異なる原理、例えば圧電、圧電抵抗、及び静電原理、に基づいたシリコン・マイクロフォンも使用可能である。寸法管理の改善、大幅な小型化、統合化されたオンチップ回路の可能性、及びバッチ処理の結果としての低価格の可能性 等の大きな利点のため、この分野への関心が高まっている。
ここで、2タイプのミクロ機械加工したマイクロフォン、つまり静電タイプ及び圧電タイプの検討をする。
ミクロ機械加工した静電タイプマイクロフォン。大半のシリコン・マイクロフォンは、高い感度、フラットな周波数応答、及び低ノイズレベルのため、静電原理に基づいていたものとなっている。静電マイクロフォンは、エレクレット・マイクロフォン、コンデンサ・マイクロフォン、及び統合フィールド効果トランジスタ(FETs)に分類される。静電マイクロフォンは、薄膜可撓性ダイアフラム及び硬質ブリキ原板から構成されている。2つの部品は、2つの分離シリコンチップでも、単一チップのいずれでも実現できる。ブリキ原板上の音響穴は、異方性エッチングの使用により作られている。シリコン・マイクロフォンのダイアフラムは、薄いマイラー・ホイール、ポリエステル、低圧化学蒸着(LPCVP)窒化珪素フィルム 等を使用できる。2チップ構造マイクロフォンに関し、シリコン・ダイレクト接着、陽極接着、又はポリマー接着剤は、ダイアフラムとブリキ原板の組立てに使用される。このような組立て技術の進歩は、常に、難しい整列手順を伴っていおり、また、そこで生まれた接着プロセスの大半は、単一チップを持つマイクロフォンの問題解決に好ましい、統合化された電子部品に影響を与え、そして、材料特性を変化させる手順を含んでいる。
このマイクロフォンにおける製造プロセスのシーケンスは、シリコンの異方性エッチング及び犠牲的層のエッチングを含む7つのマスクプロセスを使っている。ひだを有するダイアフラムは、シリコン静電マイクロフォンの設計にいくつかの利点を持っていると言われる。まず、ひだは、薄膜ダイアフラムの固有応力を低減し、より高い感度を生む。次に、単一ウエハプロセスの使用により製造できる点にある。音響穴は、空気間隙が形成された後、つまり犠牲的層が取除かれ、ダイアフラムが解放された後、自動的に作られる。ダイアフラムの感度及び共振周波数は、適切な構成パラメータを選択することにより最適化できる。
ミクロ機械加工された圧電マイクロフォン。ミクロ機械加工された圧電マイクロフォンは、理論的にも実験的にも探索されてきた。加えて、このような装置は、商業的CMOS工場及び大学のミクロ機械加工設備間の共同・対話型プロセスにおいて、オンチップ、大規模集積(LSI)CMOS回路による残留応力補償を使って製造・テストされてきた。このような2500×2500×3.5μｍ立方のマイクロフォンは、低圧化学蒸着(LPCVD)・シリコン−リッチ・窒化珪素・支持層上に、圧電ZnO層を有している。このパッケージ化されたマイクロフォンは、18KHzの共振周波数、品質値Q=40(約)、及び計算上の感度と一致する0.92μV/Paの非増幅感度を有する。差動増幅器は、49dBゲインで、入力において、13μVA−加重ノイズとする。
裏側に対するウエハ前側の特徴部分を整列するための関連する処理技術は、大量ミクロ機械加工のために試みられてきた。この目的に向け、小型(30μm平方、1.6μm厚)ダイアフラムは、整列パターンとして提供された。この整列ダイアフラムが作られると同時に、もっと薄く、広い面を持つダイアフラムは、この面に、「メッシュ」マスクパターンを使って部分的にエッチングをすることが可能である。このメッシュマスク技術は、選択した領域において、エッチのくぼみが届く深さを制御するため、(100)と(111)平面間にエッチ率の差を設定している。特に、広面積の、部分的にエッチングされたダイアフラム(2〜3平方)は、シリコン工場環境において、それに続くIC処理ステップに耐え得るに充分な力を持っている。上記特徴部分をより小さくする可能性があるため、この報告されたサイズは、低減され得るものである。薄い整列ダイアフラムは、その面積が非常に小さいため、これらのステップで処理される。部分的にエッチングされたダイアフラムは、回路が作られた後、最終エッチングステップで、実用的な厚みに低減することができる。この技術は、マイクロフォン及びオンチップCMOS回路の製造に広く使用されている。
ミクロ機械加工した圧電マイクロフォンは、電熱的に調整できる共振周波数を生み出す機会を作り出す。この特性を持った特定装置は、オン・ダイアフラム・ポリシリコン・ヒータに誘発された熱膨張によって、共振周波数変調fmを達成する。抵抗器出力を−127Hz/mWまで高めた状態での、fmのほぼ線形的な減少は、20.8から15.1kHzの間で計測された。機械的品質値Qmは、ほぼ100である。その上、温度-出力曲線は、ダイアフラム上の最高温感知エレメントの部分で、勾配0.3Celsius/mWの線形である。色々な共振周波数及び高品質値は、超音波レンジのファインダ、速度センサ、信号部品、及び会話処理へ適用可能な音響フィルタ能力を提供する。
4隅を把持されたダイアフラムを持つ以前のものと違う、マイクロフォン−マイクロスピーカ結合装置は、把持ダイアフラムに見られる残留応力のない片持ち梁を備えている。片持ち梁の使用は、ミクロ機械加工ダイアフラムを有する他のマイクロフォン以上の感度レベルを可能とする。加えて、この装置が、出力変換器、例えばマイクロスピーカ、として電気的に駆動される際、自由端での比較的大きな撓みは、大きな音響出力を生み出す。
統合マイクロフォンの理論は、機械的、圧電、及び回路理論を組合わせることによって進展する。また、求められるものは、感度−帯域幅 積及びノイズに対する信号率に関する理論的最適化である。
マイクロフォン部品のマイクロフォン・アレー組立体及び適応調整。現在使用されている「マイクロフォン・アレー」という言葉は、メートルの単位での大きな幅を持つマイクロフォンの配置からそう言われている。これは、2つの要素の結果である。まず、大半の一般的マイクロフォンの直径は、より小さなアレー寸法とすることを不可能としている。次に、これまでは、マイクロフォン・アレーを作る主な動機は、必要な入力をビーム形成アルゴリズムに提供することにあるため、すなわち、大半の音響信号(0.1〜1.0メートル)と関連する大きな波長は、マイクロフォン部品を遠くに離すことを強いるため、複数のマイクロフォンを非常に接近させて収納することに対するニーズはほとんどなかった。例えば、スピーカ位置と一致させるために使用され、51のマイクロフォンを備える、ある寸法のマイクロフォン・アレーは、2ｍに渡って、4cmの等間隔で一列に配置される。この配置は、スパイラル・エイリアシングなしで、4000Hzまでの周波数に対しする感度を提供する。
技術進歩と新しいアルゴリズムのみによって、内耳の働きの理解によって、真のスマート音響インターフェースに必要とされる信号処理の領域に対応するため、内耳と類似した構成を作るよう動機付けられる。この点に関する以前の説明では、マイクロフォン・アレーという言葉は、どの寸法も5cm以下の小型として言及してきた。このサイズで、単一装置つまりインターフェースは、アレーに含まれることが可能で、信号分離のような優れた音響機能を実行するため、全空間つまり囲いをマイクロフォと繋ぐ必要はない。物理的寸法は、このサイズでのビーム形成(beam-forming)及び局在性(localization)を、数学的に実現性のないものとするが、最終目標は、そのような装置に対し１つの優れた耳としての機能を与えるように、全ての機能を統合することにある。そして、複数の装置を、ソースの局在性及びビーム形成に相応しい物理的寸法から発生する更なる問題解決のために配置することができる。
シリコン上へのマイクロフォンの統合は、マイクロフォン寸法及びスペースの圧縮管理を可能とする。そして、これによりビーム形成アルゴリズムのより信頼性のある実施が期待できるようになる。しかし、ミクロ機械加工されたマイクロフォン部品の応答特性は、従来対象部品より劣ることが予測される。圧電マイクロフォンの圧縮した連結に伴ういくつかの問題は、未解決のまま残されている。CCDアレーの単一ピクセル、又は統合ユニットのトランジスタに類似した同種ユニットのアレーにおける単一構成部品として、独立・ミクロ機械加工又はミクロ電気機械加工システム(MEMS)装置を、この説明の中で検討してきたことに注目する必要がある。
各MEMSからの信号は、通常、製造プロセスにおくる物理的拘束により、オフセット及び非線形を示すので、変換された信号は、検査・管理の信頼性ある測定を実現するため、調整、テスト、及び一回の工場キャリブレーション用のオフ・ザ・シエルフ(off-the-shelf)小型電子部品技術を頼りにしなくてはならない。しかし、一回の工場キャリブレーションでは、例えば、輻射、装置エージング、及び温度変化 のため、一般化した使用に対し充分ではない。その上、同じ基体上に、全て異なるMEMS装置を同じように圧縮して連結した場合を考えると、問題に対する外的悪影響は、MEMSによって与えられる小型化の利点を超えてしまう。
本発明の適用は、音響センサを伴う統合された適応システムを使用するもので、それは、このシステムが、異方及び非線形の存在する中で、オンライン又はオフラインにおける関係を変える能力を提供するためである。加えて、モジュラー設計構成の使用は、信号調整システムの議論に直結する。
デジタル信号プロセッサ。オーディオ、会話、及びマルチメディア適用のための多くのデジタル信号プロセッサ(DSP)が存在する。特定の適用においては、オーディオ信号の分離及び再生のために、最適プロセッサ群を選択することはトレードオフ次第である。この選択は、多くのアーキテクチャと数値的表現、例えば浮動又は固定ポイント、との間でのことである。高度の統合解決(例えば、1チップ)を達成するためには、予め設計された装置又は標準シリコン・セル・ライブラリより設計した装置のいずれかからのDSPコアの組込みが必要となるであろう。
DSPアセンブラ及びリンカーに対する接続点であるコンパイラは、本発明に説明された2つの実施オプション間の移植性を作り出している。このように、ソフトウエア・エミュレーション実施とハードウエア加速エミュレーション実施との高級言語アルゴリズム間の双方向接続は存在する。加えて、同様の直接的連結は、多くのコンピュータ環境とDSPエミュレーション環境、例えば様々なプロセッサのためのC/C＋＋ライブラリ及びコンパイラ、との間に存在する。
特に各デジタル信号プロセッサ用の高速・小型アセンブリコードの創作が望まれる。不幸にも、特定のDSPコンパイラによって作られたアセンブリコードは、通常、望まれるような最適の物ではない。デジタルプロセッサ設計及び共同設計の多くのツール環境は、モデルの階層を構成する。高度な挙動レベルから始まり、物理的にコミットされる前に、記述を重ねたこれは設計エラーの識別及び修正が行われる。その上、それは、記述された装置が事実上物理的に実現されたことが示された完全に正確な実行推定をもたらす。
プログラム可能なロジックは、関連開発プロセスの統合部品を可能とする。プログラム可能なDSPコア(専用チップに統合するため設計されたDSPプロセス)は、システムを差別化し、システムコスト、スペース、及び電力消費を低減するために、専用ロジックと統合することができる。
信号変換、調整、及びインターフェース回路。信号変換、調整、及びインターフェース回路は、離散的部品、例えばA/D及びD/A変換器、メモリIC用のもの、タイマ、opアンプ、フィルタ 等、として容易に使用可能である。高速プロトタイピング及びプログラム化性のために、アナログ及びデジタルの両方のプログラム可能な装置を使用することができる。
多くのデジタル(フィールド・プログラマブル・ゲート・アレー)FPGAの販売者は、プログラムのための、コンプレキシイ、ゲート、ピンカウントを増加した装置を提供している。他の表示は、動的システムが存在するコンフィギュレーション及びバーチャル・ハードウエア及び再構成できる(re-configurable)DPSコアを含む、色々なフォームに再構成できるハードウエアに合わせて作られている。適応処理アルゴリズム及びそれらの実施に関し、ソフトウエア及びハードウエアのシームレスな統合を伴う機会が増加している。また、アナログ及びデジタル信号表示の両者を含む、提案された本発明は、ハードウエア、例えば電気的にプログラム可能なアナログ回路(EPAC)、のアナログプログラム化能力に合わせて作られる。それは、必要に応じ、アナログ・デジタル・混合信号・プログラマブル装置を専用電子モデル又は離散部品に組合す上で有利である。また、最終的に音響感知装置と容易に統合化可能な専用回路及び構造を追求する上で有用である。
本発明の上記した記述は、説明を目的としたものである。記載された詳細な形態は、本発明を消尽させ、また、限定するものではない。多くの変更及び変形が当業者にとって明らである。本発明の範囲は、請求の範囲及びその均等範囲によって定義される。
発明の分野
本発明は、混合した複数の測定信号を処理することによって、原情報又は内容を再生する方法及び装置に係る。特に、本発明は、取得した上記混合体の測定信号からいくらかの原信号を再生するための適応システムに関する。
関連技術の検討
独立したソースの再生及び分離は古くから行われているが、信号処理は難しい問題である。この問題は、多くの実践において、信号ソース及び混合する媒体のいずれも判っていないという関連特質によって複雑化されている。
この問題をよく理解するには、以下の説明が役立つ。添付図面の図１を参照し、N個の独立信号、102S1(t)...,SN(t)について考察する。独立信号102は、独立した話者又は話、音、音楽、ラジオ又は光に基く無線伝送、電気的又は光学的通信信号、更に、画像、ビデオ 等のいずれ、又はそれらの組合せたものを想定できる。独立信号102は、それが伝播する媒体つまり周囲雰囲気の中で普通の又は合成的に混合されることによって、相互に遅延させられたり、重ね合わされたりする。信号分離プロセス106は、独立信号102の混合体を出力信号108、U1(t),...,UN(t)に変化させる。
方法の主たる２つのカテゴリである神経細胞に示唆された適応アルゴリズムと離散的信号処理は、独立ソースの再生及び分離によく用いられる。神経細胞に示唆された適応アーキテクチャ及びアルゴリズムは、元々はJ. Herault及びC. Juttenによって提案され、現在Herault−Jutten(HJ)アルゴリズムと呼ばれる方法に従ったものである。このCMOS集積に対する一連の方法の適合性は、既に認識されている。しかし、標準的HJアルゴリズムは、主に特殊環境において機能する適応法則を示唆したという点では最善の発見的教授法と言える。HJアルゴリズムに係るこれまでのアプローチに関する理論及び分析は、実験的なシミュレーションでの成功を支えるか又は保証するには未だ充分なものではない。HeraultとJuttenは、これらの分析的不完全さを認識しており、彼らは、解決すべき更なる問題点について説明している。彼らが提案したアルゴリズムは、線形媒体及びフィルタリング、つまり遅延はないと仮定している。具体的には、原信号は、未知ではあるが、一定係数のマトリクスを介して媒体によって運ばれるものと仮定している。要約すると、Herault−Juttenの方法は、(1)全層で線形静的混同環境に限定されている、(2)マトリクス反転演算を必要とする、(3)信号遅延の存在を考慮していない。しかし、多くの実際の応用例においては、フィルタリング及びそれに関連する遅延が起こっている。従って、これらの方法は、多くの実践的な状況や現実の応用においては、信号をうまく分離できない。
従来の信号処理は、伝統的なデジタル信号処理方法の精神で、大部分が離散的領域において起こる信号分離にアプローチしている。このような信号分離方法は、離散的信号変換及びフィルタ/変形関数反転を含む演算を用いている。一連の積算のフォームでの該信号の統計的性質は、これら積算量が数学的に０に近づくようにされる場合には、混合信号の分離を達成するために使用される。これは、相互から信号を再生・分離する伝達関数のパラメータを求めるアルゴリズム群の重要要素となる。一方、全ての有り得る積算の演算は、現実的でなく、またリアルタイムの実施に対しては時間がかかりすぎる。
これら２つの方法の詳細を以下に詳述する。
信号分離のための神経細胞に示唆されたアーキテクチャ及びアルゴリズム
これら一連の信号分離のための神経細胞に示唆された適応アプローチは、「静的に独立した」信号ベクトル
S(t)＝[s1(t),...,and sN(t)]γは、信号ベクトルM(t)を作るように混合されている。ベクトルM(t)は、センサ(例えば、マイクロフォン、アンテナ 等)で受けられる。
該混合環境は、一般的(静的又は動的)演算子τで表すことにする。その結果、
M(t)＝τ(S(t)) 式(1)
該混合プロセスを反転させるために使われる公式がある。すなわち、演算子τは、該混合演算子τ又は原ソースS(t)の性質又は内容については推測知識の存在しない「ブラインド」様式であるということである。これらは、静的と動的の２つのカテゴリにグループ化される。もう1つの区分は、使用される適応閾値の性質、例えば、情報最大化、全次数積算の最小化 等、について行うことができる。
静的ケース。静的ケースは、一定の正則マトリックスによって混合されることに限定される。「静的独立」信号ベクトル
S(t)＝[s1(t),...,and sN(t)]γは、信号ベクトルM(t)を作るように混合されると仮定してみる。具体的には、混合演算子τを一定のマトリックスＡで表すことにする。
すなわち、
M(t)=A(S(t)) 式(2)
図２A及び２Bは、混合マトリクスＡによる静的混合にケースでの信号分離及び再生ネットークの２つのアーキテクチャを示す。U(t)は、原ソース信号S(t)に近似する出力である。Y(t)は、非混合プロセス、例えば、図２AのW、図２BのD、を更新する場合に使用される。図２Aのアーキテクチャは、一定混合マトリックスＡの反転を必ず演算し、Ａが反転可能であること、すなわち、Ａ-1の存在を必要とする。図２Ｂのアーキテクチャは、収束に関して、該マトリックスＤの対角外の要素が、該マトリックスAの対角外の要素と正確に一致するという制約を課すことはない。しかし、このケースにおいて、マトリックスAの対角要素は、均等な「1.0」であることに限定される。マトリックスＤの対角要素を０に設定することによって、もし該混合マトリックスがないとしても、必然的に混合プロセスは反転可能可能であるということになる。図２A及び２Bに示されるように、重み更新には、出力U(t)の機能を用いる。これら２つのマトリックスのエントリ更新は、信号分離、識別、又は再生、例えば情報最大化、より多量積算の最小化 等、のために使用される閾値によって定義される。
例としては、
U(t)＝WM(t) 式(3)
のケースにおける有り得る重み更新としては、
Y(t)=ｇ(U(t)) 式(5)
として上記ダイアグラムに係ることが可能な更新において付加的役割を果すことに注目する必要がある。式(4)は、式(3)のＷのエントリを更新するために使用される。これは、繰返しの更新処理であるが、Ｗのエントリが収束すると、積ＷＡは、単位行列又は単位行列の順列とほぼ等しくなる。
一方、図２において、Ｄマトリックスエントリｄijの更新のために可能性の有る有用な公式は、一般的には、
U(t)=[l+D]-1M(t) 式(7)
この演算は、特に、高次元のDは、重い負担となる可能性がある。
動的ケース。動的混合モデルは、より現実的な環境を捉え、そのような環境モデルを定義し、この枠組みの中で原信号を再生するための更新法則を展開する。
動的ケースにおいて、マトリックスAは、もはや一定のマトリックスではない。静的例のフィードバックに関して、式(7)U(t)=[l+D]-1M(t)を、高速動的方程式
これは、N個の微分方程式を列挙している。加えて、マトリックスDのエントリのための適応プロセスは、複数の閾値、例えば式(6)の関数f及びｇの高さ、によって定義される。図３は、フィードバック構成にある動的モデルの絵画図である。U(t)は、S(t)を近似する。関数ｇは、フィードバックネットワークの重み更新のために使用される閾値を定義する。
パラメータの適応のための信号分離閾値の適用。ここまでに定義されたアーキテクチャ内における適応閾値の適用のための処理に関しては、その概要は少しだけ説明されていない。以下の２つの暗示された処理が述べられている。
最初のものは、−任意のデータポイントの各々が実践的にも物理的にもアクセス可能か否かに係らず−このデータポイントに対する信号分離関数、適応処理、及び閾値の適用である。従って、この適応分離処理では、適切なパラメータ更新が行われた後に、個別に、また、即座に測定された混合信号の各要素に対し適応関数及び閾値が適用される。
図２Aに示された第2の処理タイブは、式(3)を使用している。このケースでは,閾値は、全てのデータ群、又は全てのデータ群から選択された複数のデータポイントに適用される。従って、関連する適応処理は、サンプル毎に行われるが、一定で静的混合マトリックスが適用されていると仮定した上で、その全体のデータ群を使用している。この方法は、上記最初ものより力強いものの、リアルタイムの信号分離には相応しくないオフライン方法とする必要がある。更に、静的一定のマトリックスの仮定が正しくない場合には、非混合プロセスの正確さが損なわれる。
信号分離に対するアプローチに基づく伝達関数
伝達関数による信号混合及び分離の表現は、このアプローチを動的環境モデル及び方法に結び付ける。
２つの混合体測定データを処理することによって、2つの信号を分離する構成は、図4Ａ及び4Ｂに示される。図4Ａ及び4Ｂは、２つの信号システムに関する信号混合及び分離のための従前の伝達関数の表現を示す。２つの信号Ｕ1及びＵ2は、Ｓ1及びＳ2を近似する。Ｇは、混合プロセスモデルHを反転する。この様な伝達関数アプローチは、2次元以上の高次元信号の場合には、実践的でも適用拡大できるものでもない。更に、伝達関数に対する混合環境の拡大は、信号の時間領域の性質も制限している。また、これは、上記方程式群から初期条件を除外してしまう。
伝達関数領域におけるこれらの分離関数のアーキテクチャは、全て設計の障害、実践的方法及び装置の障害となる３つの重大な不足点を残している。第1に、説明したこの公式は、高次元の分離プロセスの法則化を不可能とし、この問題となる次元は、2次元以上である。言換えると、分離方法の実践的公式化は、2つの混合体及び２つのソースがある場合には、存在しない。これは、マトリックス乗算項が書出され、スカラ方程式が、０に等しいことが望まれる全ての演算積マトリックスの１つを定義するという現在の方法を直接引用することによって説明できる。順列の対角マトリックスも許容されるため、複数の方程式群が作り出される。２つの混合体の問題に対し、これは、結果として、各々が2つの乗算項を持つ、2対(計４つ)の方程式を必要とすることになる。その上、方程式の数も増加する。正確には、特定順列のN次元ケースのための方程式数を表すために必要な方程式の数は、(N2−N)に等しい。2次元の問題に関して、この値は、2である。
第2に、伝達関数に関する反転処理は、無原則の、そして、方策又は示唆の存在なしの状態である。次元のインパクトは、ここでは決定的な役割を演じる。これは、結果としてのアーキテクチャが、次数が混合環境の伝達係数の積に従う伝達成分を必要とするネットワークを誘発するという方法であることからも明らかである。
第3の、公式は、時間領域に存在せず、任意の初期条件で初期化できないため、初期条件は、定義されない。従って、この方法は、リアルタイム又は列信号分離に相応しくない。
必要なことは、媒体又はチャネルを介して混合信号を分離する方法であり、ここにおいて、高品質の信号分離が達成されるが必要とされる。必要なことは、様々な媒体を介して伝達される混合信号を再生及び分離する方法であり、そこにおいて、信号分離は,(1)媒体又はチャネルの信号搬送能力、(2)受信信号の品質、(3)その両者、を実質的に高めるような高品質なものであることが必要とされる。この媒体又はチャネルは、固体、液体、ガス粒子、真空と同様に、ワイヤ、ケーブル、光ファイバ、無線ラジオ又は光を基にした周波数又は帯域の組合わせも含むものである。
発明の概要
本発明は、複数の入力信号を複数の出力信号に分離するための信号処理システムを目的としている。上記入力信号は、媒体に影響を受けた複数のソース信号の混合体からなる。このソース信号は、複数のソースと関連付けられる。上記出力信号は、上記ソース信号を推定する。上記システムは、上記入力信号を検出する複数のセンサ及び上記入力信号を受信(受入れ)及び記憶(格納)する記憶(格納)装置を備える。また、上記システムは、信号分離アーキテクチャを定義及び演算するアーキテクチャプロセッサを備え、そこにおいて、上記信号分離アーキテクチャは、上記入力信号と上記出力信号との関係を定義し、そこにおいて、上記関係は、一定パラメータと時間変化(varying)パラメータとを有する。また、上記システムは、各時間変化パラメータと、各時間変化パラメータに関連付けられた変化率に対応した各時間変化パラメータとの変化率を演算する更新プロセッサ、及び上記信号分離アーキテクチャと上記一定(constant)パラメータと上記時間変化パラメータとに基づく上記出力信号を演算する出力プロセッサを備える。
【図面の簡単な説明】
図1は、信号分離、識別、及び再生に関する問題の図面描写を示す。
図2A及び２Bは、信号分離のための２つの静的ニューラルネットワークを示す。
図３は、フィードバック式動的混合及び分離モデルにおける信号分離及び再生ネットワークのアーキテクチャを示す。
図4A及び４Bは、２つの信号システムに関する信号混合及び分離のための従来の伝達関数の表現及び方法を示す。
図５は、本発明による方法のプロセス流れ図を示す。
図5Ａは、信号混合及び分離に関する従来の伝達関数周波数領域の表現を示す。
図６Ａ及び６Ｂは、状態空間時間領域アーキテクチャのための2つの混合モデルを示す。
図７Ａ及び7Ｂは、状態空間時間領域のための2つの信号分離モデルを示す。
図８は、一般的なDSP実施アーキテクチャを示す。
図９は、一般的なDSP内部アーキテクチャを示す。
図10は、マルチスレッド適応プロセスを示す。
図11は、先入れ先出し(FIFO)スタック構成及びデータ収集プロセスに基づく一定幅長スタックの1実施形態を示す。
図12は、先入れ先出し(FIFO)スタック構成に基づく一定幅長スタックの他の実施形態を示す。
図13A及び13Bは、時間ウインドウを通じて測定又は演算された全ての関連データポイント群を含む長スタックからのデータポイント(短スタック)群を使用した分離閾値の適応例を示す。
図14は、本発明の信号分離及び再生処理に基づくオーディオ適用例を示す。
図15は、マイクロフォンDSPインターフェースに組込むことができるDSPに基づく手持装置に対する３つのオーディオ入力インターフェースを示す。
図16は、本発明の使用に適したオーディオ装置の概略を示す。
図17は、スマート・マイクロフォン・アレイ装置を示す。
本発明の詳細な説明
図5Aは本発明による方法のプロセス流れ図を示す。これには、(1)サンプルの収集(ブロック502)、(2)挿入又はアップサンプリング(ブロック504)、(3)サンプル群の選定(ブロック506)、(4)適応パラメータの演算(ブロック508)、(5)内部状態の演算(ブロック510)、(6)出力の演算(ブロック512)、及び(7)出力の記憶及び/又は提示(ブロック514)が含まれる。
サンプルの収集には、複数のセンサ、例えばマイクロフォン、を介して記録された多重チャネルデータの収集を含む。また、このようなデータは、前もって混合サウンドトラック、例えばレコーディングスタジオ混合信号から採ることもできる。データは、リアルタイムプロセス又は記憶媒体からの再生、テープ、ハードディスクドライブ 等から、オンラインでサンプルできる。
挿入は、オーバサンプリングが必要なアルゴリズムに対して実行される。信号のオーバサンプリングが不可能な(例えば、既に記録されたサウンドトラック)又は現実的でない場合、同じ持続時間の信号により多くのデータポイントを作り出すため、サンプルポイントの間に挿入することが可能である。アップサンプリングは、ある因数によりアップサンプリングされることによって、収集したデータのサンプル率と目標入力サンプル率に従って実行できる。例えば、10KHzでサンプルしたデータから60KHzのデータを作るためには、その因数は6である。言換えれば、5つのポイントを、各サンプルポイント間に作り出すことが可能であるということである。
サンプル群の選択は、プロセスの各繰返しで使用されるデータポイントの選択を伴う。
適応パラメータの演算は、関数(本ケースの場合、この関数は適応パラメータである)の値を演算するために、上記関数の導関数を使用する方法を伴うことができる。これらの方法の大半は、微分方程式を解くための積分方法、例えばルンゲクッタ法、を引用する。
内部状態の演算は、アーキテクチャの調査を伴う。また、これらの内部状態は、現実の状態及びこれら状態の導関数のフォーム(form)か、又は時間内でのサンプルのフォームである。状態因数は、微分方程式を解くための様々なタイプの積分方法、例えばルンゲクッタ法、を使用してそれらの導関数から演算できる。
出力の演算は、上記状態及び先ほど演算したパラメータを用いる。
識別は、本発明によるアーキテクチャを類別するにより行うことができる。これは、上記混合及び分離プロセスモデルと関係し、−その適用環境及び測定された信号の性質に従い−分離識別又は再生の処理を定義する。この識別は、数学的方程式と、上記混合及び分離モデルの両者についての公理とを設定し、これにより、混合及び分離処理の両者に適用する。
以下に箇条書きされた３組のアーキテクチャ及び方法がある。
1．周波数領域アーキテクチャ及び方法に基づいた伝達関数
2．状態空間時間領域アーキテクチャ及び方法
3．マッピング・アーキテクチャ及び方法
周波数領域アーキテクチャ及び方法に基づいた伝達関数
図5Aは、信号混合及び分離のための従来の伝達関数周波数領域の表現を示す。U(s)及びS(s)は、多次元信号、U(s)はS(s)を近似する。H(s)は、(s)としてモデル化された混合プロセスを反転する。この反転の演算は。最適化制御理論及び様々の微積分学に基づいた、従来の信号フィルタ、或いは、最大化又は最小化関数、或いは、閾値を伴うことができる。伝達関数として表される、測定された混合信号M(t)および信号S(t)の原ソース間の関係に関し、環境は線形時間不変であると仮定しなくてはならない。これは、伝達関数によって線形時間不変の関係のみを表すことができるからである。従って、伝達関数による信号分離の公式の問題は、動的及びフィルタ効果を含んでいるが、時間不変(固定)環境と仮定する。
しかし、多くのその様な仮定をすることが可能な、良く定義された帯域制限信号に対するこの公式の多くの適用が存在する。原信号S(t)のラプラス変換、つまりS(s),と測定された混合信号M(t)のラプラス変換、つまりM(s)、との関係は、以下のように定義される。
２つの信号に対する、つまりS及びMのいずれの次元も２である場合の、このプロセスの実行は、積
この2次元のケースに関し、満足させる必要の有る方程式群は、簡単に解くことができる。2つ以上のアーキテクチャに拡大する場合、
のｊ番目列及びi番目縦列を除くことにより作ったマトリックスの行列式(−1)j+lである。さらに、
従って、高次元のために一般化された構成は、式(16)で定義されたネットワークとして現れる。このケースにおいては、
伝達関数H(s)の要素hij(s)の現実の公式は、媒体及び作用原信号ソースと、それらの成分の挙動及び相互との特徴に従っている。
分離フィルタH(s)の要素の構成のためのプロセスは、式(17)に示されるように、積
信号分離識別及び再生アーキテクチャの実施のための処理例は、以下のように要約できる。
1．測定プロセスから得られたデータの結果と同様に、測定データを記憶するために使用される記憶構成を作り、配置する。
2．伝達関数H(s)(混合伝達関数の反転)、スカラ伝達関数である伝達関数NXN要素マトリックスをつくる。
3．新しい測定データ群、つまり混合信号を受入れる。
4．新しい測定データ群を処理する。
5．信号分離閾値及び関数を評価する。
6．それに従って、伝達関数要素パラメータを更新する。
7．伝達関数パラメータ、つまり定義の変更の形跡を積算する。
8．(混合前に)原信号を推定するために新しい測定データ群を演算し、必要な時それら処理の結果を記憶する。
9．後続の分離及び識別インジケータを評価する。
10．メモリアロケーションが不充分又は不適切な場合、ステップ1へ。
11．フィルタ公式の変更が適切であれば継続し、そうでなければステップ２へ。
12．ステップ3へ。
伝達関数は、初期条件の効果を含む付加的利点により、状態空間の表現に変換できる。一般的考え方で混合環境を考慮する場合、例えば混合伝達関数の現実の特性が時間において可変である場合、この包摂関係は特に重要である。本発明のこの特定方法は次のセクションで説明する。
状態空間時間領域アーキテクチャ及び方法
図６A及び6Bは、状態空間時間領域アーキテクチャに関する2つの混合モデルを示す。図６Aは、概略的フレームワークを示す。図６Bは、
図7A及び7Bは、状態空間時間領域アーキテクチャに関する2つの分離モデルを示す。図7Aは、概略的フレームワークを示す。図7Bは、モデルがパラメータ更新処理を示した図６Aの矢印以外を示すだけの、特殊ケースを示す。
本発明によるこのアーキテクチャは、線形動的システムとして、混合及び分離環境のいずれもモデル化している。この方法において、混合環境のパラメータは、図６Aに示された具現化(realization)
状態空間時間領域アーキテクチャのための混合モデルは、分離アーキテクチャの複数のタイプに適用される。このモデルは、数学的方程式のアーキテクチャ的表現である。
このアーキテクチャは、信号分離において、この数学的構成の使用のために必要な処理を定義する。このような処理が実行される場合、いくらかの不変又は擬似不変解、分離出力、及び識別プロセスに対する必要なパラメータ・カバレッジが、原信号ソースS(t)のレプリカ又はそれに充分に類似したコピーであることに関して、このアーキテクチャは、信号分離、識別、及び再生アルゴリズムの定義のための処理又は処理群の定義を必要とする。
本発明によるこのアーキテクチャの方法は、
1．複数、つまり2つ以上の混合体の処理が可能である。
2．直接的に初期条件の効果を含むことが可能である。
3．マトリックス(A,B,C,D)及び
4．例えば混合のために、一般的非線形モデルを組込むことが可能となる。
5．方程式22〜25において、演算子
線形ケースにおいて、
式(19)において、
この方法において、適切な更新法則によってネットワークを再構築する必要があり、ネットワークパラメータは、以下のような、式(26〜30)の代替変形となる。
このような演算機器への入力は、複数のソースから信号を受信する複数の検出器を介して受信された適切な混合体である。
本発明の実施による上記入力の演算後、演算装置からの出力は、干渉無く原信号であるとほぼ推定される記憶されたソース信号を含む、1組の分離された信号である。
与えられた混合体に対し選択された最適化関数群を演算することによって、信号分離の問題が解決されるように、情報最大化閾値の数組を使用して、(アナログ電子工学のような)連続的な及び(デジタル演算のような)離散時間的な方法のような、様々な最適化関数及び数値解方法が適切に使用される。
信号分離、識別、及び再生のためのこのアーキテクチャの１つの処理は、以下のように要約できる。
1．上記測定データの演算、及び測定データ収集つまりサンプリング率から得られたデータの結果と同様に、測定データの記憶のために使用されるメモリ構成を作り、配置する。
2．適切な次元の4つのマトリックスA, B, C, Dを作る。
3．新しい測定データ群、つまり混合信号を受入れる
4．信号調整を行うことによって、入来混合信号及び測定データを処理すると共に、記憶及び関連した手順を処理する。
5．信号分離閾値及び関数を評価する。
6．それに従って、４つのマトリックス又はそれらの下位集合を更新する。
7．マトリックス次元の変更、カバレッジ率、時間定数、及び他のパラメータつまり定義の変更の形跡を積算する。
8．(混合前に)原信号を推定するために新しい測定データ群を演算し、必要な時それら処理の結果を記憶する。
9．後続の分離及び識別インジケータを評価する。
10．メモリアロケーションが不充分又は不適切な場合、ステップ1へ。
11．フィルタ公式の変更が適切であれば継続し、そうでなければステップ２へ。
12．ステップ3へ。
特殊ケース。混合及び分離モデルの正統なフォームが、方程式(18〜21)におけるそれらの正統なフォームから変更され、
U(s)=H(s)M(s)=[C(sI-A)-1B+D]M(s) 式(37)
この特殊ケースは、状態空間時間領域アーキテクチャと伝達関数モデルとの一致を、明確にもたらす。正統アーキテクチャフォームの使用のための手順は、非常に類似している。相違点は、以下のように強調される。
1．ステップ2において、AとBは固定できる。
2．ステップ6において、2つのマトリックスCとDのみ更新に必要とされる。
マッピングアーキテクチャ及び方法
マッピング・アーキテクチャ及び方法は、物理的具現化、前述したアーキテクチャ、特にハードウエア加速エミュレーションつまりデジタル信号プロセッサ装置、の実施を容易にするための代替としての実施形態である。このゴールに向け、上記モデルは,時間導関数を時間におけるサンプル、つまり上記式の
混合環境は、時間領域関係によって表されるとする。
信号分離ネットワークは、
u(t)=WΦ 式(40)
と表される。ここで、
このマッピングモデルは、信号処理において、IIR(無限インパルス応答)モデルに対応する。更に、FIR(有限インパルス応答)モデルの特定ケースは、出力信号ベクトルu(t)の導関数と関連付けられた項を削除することによって得られる。
物理的具体化及び実施
ソフトウエア・エミュレーション。伝達関数周波数領域アーキテクチャ、状態空間時間領域アーキテクチャ、及びマッピング・アーキテクチャのアーキテクチャ的表現は、コンピュータプログラムの中に変換されている。例えば、上記手順は、コンピュータ判読言語にコード化され、演算されたコンピュータ指示群は、互換性のある演算プラットフォーム上で実行され得る。従って、ソフトウエア・エミュレーションは、本発明の実施オプションに含まれ、特定プロセッサ上で自動的に実行されるようにすることについての、アルゴリズムの特定の言語へのコード化を伴う。FORTRANやC/C++のような高級言語は、このコードをポータブルなものにできるというプロセッサ特有の又は一般的な賛辞の裏付けをもっている。このコードのいくらかは、他の機能と一体にでき、既存のプラットフォームに組込む又はプロセッサのメインプログラムメモリに含めることができる。一方、Javaのような、より最近の言語は、独立したプラットフォームであるためそのアルゴリズムは、ネットワーク環境において複数のプラットフォーム上を走るようにコード化されている。
ハードウエア加速エミュレーション。また、この手順もコード化され、又は、特定の信号処理装置に対する高級言語(例えば、C/C++、FORTRAN、等)によって変換され、又は上記手順を、信号プロセッサの内部又は外部の特定プログラム又はメモリ内に組込むことによって変換される。これは、説明されたハードウエアに加速されるアーキテクチャの実施を形作っている。ハードウエア加速エミュレーションの実施は、リアルタイム・オンライン信号分離に関し充分に速くすることは可能であろう。この目的に使用することのできる装置には、これに限定されるものではないが、新高出力デジタル信号プロセッサ(DSP)、マイクロプロセッサ、アプリケーション特定のチップ(ASIC)、及び、これに限定されるものではないが、フィールド・プログラマブル・ゲート・アレー(PLA)、或いは、高速乗加算を演算すると共に高精度を提供するような、予め仕様設定されるか又は専用プロセッサを持った、他の特別注文又は予めプログラムされ自動化ラインで生産された商品を含むプログラマブル装置が含まれる。
図8は、DSPに実施可能なアーキテクチャ800を示す。DSPアーキテクチャは、データスタック804に接続された、1つ以上のA/D(アナログ信号からデジタル信号への)変換器802を備える。データスタック804は、DSP806に接続され、更に、DSP806は、メモリ装置808及びD/A(アナログ信号からデジタル信号への)変換器810にアクセス可能に接続されている。DSP装置806の内部には、以下に示される様々な機能ユニットを備えている。適用の特質、混合体の数、望まれる精度 等に応じ、異なる構成・配置とすることも可能である。図7に、一般的なDSP装置806のブロック図を示す。この装置特有の信号処理を実行するために既に備えられている他の手順1部として、信号分離プロセスを統合すると便利である。A/D変換器802及びD/A変換器806は、単一のチップとするために、この構造に統合することができる。DSP装置(806)は、メモリ装置902、MAC(乗算累積器)904、ALU(論理演算ユニット)906、アキュームレータ908、シフタ910、内部アキュームレータ912、及びアドレスユニット/レジスタ914を備えることができる。メモリ装置902は、プログラムROM及びデータ/プログラムRAMを備えることができる。MACは、1つ以上の乗算器及び加算器を備えることができる。ALU(論理演算ユニット)906は、１つ以上の加算器、ロジックオペレータ、及び比較器を備えることができる。アキュームレータ908は、テスト回路、シリアルポート、タイマ、待ち状態ジェネレータ、クロックジェネレータ、ホストインターフェース、スタック、及び補助レジスタを備えることができる。
一般的な手順は、以下の通りである。入来信号は、電気的に変換され、これらの混合体はデジタル化され記憶される。そして、本発明の手順、アルゴリズム、及びアーキテクチャは、個々のソース信号の、分離、識別、及び再生のために実行される。説明される１つ以上のユニット、例えば複数機能を持った複数のDSP及びDSP、は、リアルタイムオペレーションのために、このプロセスを実行するように仕様することができる。DSPユニットは、アルゴリズムと関連付けられた方程式を解くために必要なステップを実行することができる。このプログラムは、DSP装置がデコード化し実行できるアセンブリつまり機械言語へ翻訳するため、上記手順を高級言語に変換することによって得ることができる。DSP機能ユニットの手順を最適化することによって、顧客専用機又はアセンブリ言語コードは、アルゴリズムの実行をより加速することができる。
そして、上記ソース信号の近似体を作るこれらのプロセスからの出力は、記憶され、アナログ値に変換され、及び/又は更に処理される。更なる処理の例は、信号調整、分類、識別、復調、及び他の信号処理オペレーションを含む。
過剰決定(混合体の数が、ソースの数より多い状態)、過小決定(混合体の数が、ソースの数より少ない状態)、変動(ソース及び/又は混合体の数が、変化する状態)、又は未知(ソース及び/又は混合体の数が、未知の状態)を扱う追加の手順が、フローチャートに概略が示されている。更に、誤差チェック、データ完全性、及びデータ識別スキームは、本アプローチの推進力、信頼性と同様に、将来性を高め、また、適用の領域も拡大する
これらの手順は、直ちにDSP、又は、必要な信号分離・識別・再生機能の組込み込まれる装置にプログラムすることができる。
パラメータ適応のための関数及び閾値
一連の適応技術のいくらかは、本発明によるアーキテクチャ及び方法のパラメータを得るために使うことが可能である。
神経細胞に示唆された静的アーキテクチャ。式(3)及び図2に説明されているように、神経細胞に示唆された静的アーキテクチャにおける信号分離は、重みマトリックスWの演算が必要である。このため、まず、
Ｑ=f(u)g(u)T 式(43)
による外積Ｑを導く。ここにおいて、fとｇは、２つの適切な奇関数で、それらは、関連していても、してなくても良く、また、uは入力信号uを推定した出力信号群である。uが時間関数であるため、このマトリックスは、時間関数である。時間との相関関係は、関数fおよびｇによって強くなる。
Wの導関数、つまりＱを数学的に表す微分方程式の１つを積分することによってWマトリックスを導き出す式(43)の
以下のように、9つの重み更新ルールのカテゴリがWに対して表されている。
状態空間アーキテクチャ。式(20〜21)で表したように、状態空間時間領域のケースにおける信号分離は、マトリックスA、B、C、及びDの演算が必要である。このため、
K=f(u)g(x)T 式(54)
L=f(u)g(u)T 式(55)
のように２つの外積マトリックスK及びLを導く。ここにおいて、f及びｇは、２つの適切な奇関数で、関連があっても、なくてもよく、また、uは入力信号uを推定した出力信号群で、mは、受入れた混合体群、そしてxは、内部状態群である。これらの時間との相関関係は、関数fおよびｇによって強くなる。
状態空間時間領域表現のケースにおいて記載したように、マトリックスA及びBは固定されていると仮定すると、C及びDマトリックスを導き出す式(51〜52)におけるK及びLに基づいたいくつかの適応手順のカテゴリが考えられる。先にWによって説明したように、C及びDの導関数を数学的に表す微分方程式の１つを積分することによって、C及びDを求めることができる。例は式(44)に示される。
以下のように、9つの重み更新ルールのカテゴリがCに対して表されている。
式(56〜64)において、ηは適応の率で、ηはプロセス間で変化する数である。上付き文字(-Ｔ)は、反転置換を表し、diag(Ｋ)は対角マトリックスであり、そこにおいて、対角要素を除く全ての要素は０に等しく、diag(Ｋ)の対角要素は、式(54)に示されたＫ、Ｋの要素に等しい。
以下のように、9つの重み更新ルールのカテゴリがDに対して表されている。
式(65〜73)において、ηは適応の率で、ηはプロセス間で変化する数である。上付き文字(-Ｔ)は、反転置換を表し、diag(Ｌ)は対角マトリックスであり、ここにおいて、対角要素を除く全ての要素は０に等しく、diag(Ｌ)の対角要素は、式(55)に示されたＬ、Ｌの要素に等しい。
式(56〜64)及び(65〜73)は、色々な方法で結合できる。９カテゴリは、Ｃ及びＤで表され、81の順列が可能である。
マッピング・アーキテクチャ。神経細胞に示唆された静的アーキテクチャ、式(40〜41)のマトリックスＷとして示されているパラメータ、に適用した方程式、例えば(45〜53)は、マッピング・アーキテクチャにも適用できる。次元表示一定を保つため、マッピング・アーキテクチャのために、本発明による重み更新ルールの９カテゴリを書き換える。
まず、
L=f(u)g(Φ)T 式(74)
のようにＬを再定義する。ここにおいて、f(u)の次元はnX1で、またg(Φ)Tの次元は1 X Nで、ここで、式(42)の表示は、N=(L’+1)+N’nである。
そして、以下の重み更新ルールのカテゴリが設計できる。
線形パラメータ適応に関するリアルタイム
上述のアーキテクチャ及び手順は、信号分離及び再生手順を改善する付加的技術とともに説明された。
非混合(又は、適応ネットワークの重み付けされた)マトリックス・エントリ演算又は直接採取した１つの段階の任意データで更新することができる。この適用における方法は、リアルタイム・オンライン分離を行うことも可能であるが、この方法は、単一ポイントによって導き出す解の経路を変更するため、誤差を生じる可能性が高い。分離プロセスのパラメータを更新する他の手順は、全データ群に対する閾値を提供する、又は、全データ群からデータポイントを選択する。この方法は、現実の実施に対し不可欠の因果関係を欠いている。関連適用プロセスは、時間ということに関しては進展しておらず、というかむしろ、今でも、入替えの段階における値を含め、全データを使用している。更に、一定で静的な混合マトリックスを、全範囲に適用することが仮定されている。この方法は、最初のものより力強いが、リアルタイム信号分離に相応しくないオフラインによる方法であるのが必須となる。その上、静的一定マトリックスの仮定が正しくない場合には、非混合プロセスの精度は損なわれる。
連続マルチスレッド適応。図10は、マルチスレッド適応プロセスを示す。いくらかの信号分離プロセスは、パラメータの飽和の防止と、持続する正しくないパラメータ推定可能性の低減のため、時間において重複している。各プロセスの初めに、パラメータは初期化され、適応閾値が適用される。時間の各ポイントで、マスタープロセス、報告される分離結果、及び1つ以上のスレーブプロセスが存在する。
このように、各時間ポイントで、1つ以上のプロセス、報告される分離結果がある。適用に応じ、各プロセス出力は、多くの用途に使用される。例えば、分離信号の中の推定してみたいニーズのある、ただ１つの信号を想定してみる。この場合、上記対象信号の品質を最適化するマスタープロセスがあり、これに対し、他のプロセスの結果は無視される。他の例では、冗長(スレーブ)プロセス結果はが、(1)各分離プロセスの成功をチエックする、(2)最適初期化ポイントを評価・選択する、又は(3)プロセスを完了する時を決定する、ために、上記マスタープロセスの結果、及び/又は他のスレーブプロセスの結果を比較される。マスタープロセスが終了した時、スレーブプロセスが始まる。図10において、時間インデックスｔ1のおいてプロセス1は終了する。このポイントで、それら分離結果の品質測定に応じ、他３つのスレーブプロセスの最適な1つが、マスタープロセスの代わりに始まる。
パラメータ適応に使用されるデータバッファ又はセット(長スタック)。検討したように、信号分離閾値の適用及び分離パラメータの演算・適応は、単一データポイント又は得られた全体データ群のいずれかで実行される。これらのいずれも、制限された使用条件を持つ。単一データポイントのケースでは、単一又は一連のノイズを含むポイントは、理想解からの適応パラメータの経路に変更又はそれを流用することが可能であり、或いは有り得ることである。スペクトラムの対向端において、分離閾値が、全データ群の適用するということは、(1)全てのデータポイントの蓄積(記憶)は不可能である(2)全データの処理によって生じる待ち時間は許容できないため、ほとんどの場合現実的でない。
この理由に対し、本発明は、測定された信号、分離信号、又は特定の応用の時間的制約に関して課せられた多くの閾値に応じて調整されたリアルタイム・オンライン・実行時間・ウインドウの新設を伴うものである。これらの閾値は、一般的に、分離又は識別プロセスの成功レベルを測定するもので、測定された又は分離信号のパワースペクトラム、測定された又は分離信号の静的類似値、又は分離プロセスの人的ユーサによって導かれるようなパラメータが測定される。長スタックは、記憶装置、デジタル又はアナログ記録媒体に蓄積できる。
データ群の内容は、新しい測定信号群が得られた後に変更できる。最も直接的で簡単な方法は、データから、最も古いデータポイントを単に取除くことを行うことである。これは、図11に示される先入れ先出し(FIFO)タイプのスタックで構成することによって行うことができる。図１１は、先入れ先出し(FlFO)タイプスタック構成及びデータ取得プロセスに基づく一定幅長スタックの1実施形態を示す。斜線領域は、このケースにおける長スタックの内容を示す。サンプル時間＝Wまで、得られた全てのデータ群は記憶される。サンプル時間＝Wの場合、スタックは満たされた状態にある。このポイントを超えると、最も古いデータは、スタックから消去される。これは本発明を単純化した説明であり、スタックは、FIFOタイプのもの、又は一定幅のものでなくても良い。以下の手順は、データ群を選択するための本発明に基づくプログラム例である。
1．データスタックの長さの設定
2．信号分離パラメータの初期化
3．最新の時間定数の測定データ群の取得
4．これが有用なデータ群又はポイントか？
No → このデータ群の分離を実行することが好ましいか？
Yes → ステップ6へ
No → ステップ3へ
Yes → データスタックは一杯か？
No → 最新データポイントとしてデータポイントを記憶
Yes → 最古のデータポイントを削除し、最新データポイントとしてこのデータポイントを記憶
5．このデータセットに関する分離を実行することは好ましいか？
Yes → ステップ6へ
6．信号分離手順の実行
7．これが有用なデータポイントの場合、分離プロセスの結果をデータスタックに記憶
8．チエックポイントに到達すると、分離プロセスの成功を評価
9．分離は満足できるものか？
No → ステップ1へ
Yes → スタックサイズを低減することが好ましいか
No → ステップ3へ
Yes → ステップ1へ
このプロセスに、直近に入手できるサンプルよりむしろ、現在の時間定数より前に得られたサンプルに関し実行された信号分離の結果を出力するという待ち時間が生じる可能性がある。
適応推定閾値の適用のための、長スタックからの下位集合要素(端スタック)の確率論的又は決定論的選択。特に、信号分離及び識別アルゴリズムの実行前に、長スタックから使用のためのデータポイントを選択する必要がある。この概念を簡略化した図面が図12に示されている。図12は、7要素深である先入れ先出し(FIFO)スタックに基づいた一定幅長スタックの例を示す。斜線領域は、このケースにおける長スタックの内容を示す。サンプル時間＝7まで、得られた全データ群が記憶される。サンプル時間インデックス＝7の時、スタックは満たされる。このポイントを超えると、最古のデータはスタックから消去される。各プロセス時間インデックスにおいて、短スタックを形成するため、２つの要素が長スタックから選択される。これらの要素は、黒の正方形で示される。
最新の結果及び測定データ群か、全結果及び測定データ群のいずれかを使用する場合は、このような選択は必要ない。現在の出力は、将来の混合体に依存しているため、後の演算は生じない。よって、後の演算はオフラインのみで可能である。既に、信号分離及び識別アルゴリズムのリアルタイムな実行について説明したように、これは現実的でない。決定論的に、ランダム的に、或いは、擬似ランダム的に、そこからポイント群を選択することによって入手可能な全データスタックの選択群を使用することが好ましいかもしれない。決定論的選択は、完全に推測可能で、各時間の同定データ群と同じものとなるであろう。しかし、ランダム的又は擬似ランダム的選択閾値は、同定データとも異なる選択群を与える可能性がある。
1つの強力な決定論的閾値は、長スタックの周囲から始まり、ランダム又は設定されたインデックスで終わる短スタックのサイズを拡大又は縮小する。このプロセスは、分離プロセスの結果によって左右される。つまり、受入れられた分離及び識別の品質は、長スタック内のデータ、短スタック内の各ポイントのデータ要素数、及び短スタック内のデータの数値的精度を定義するために使用することができる。決定論的手順は、短スタックの長さ、数値精度、開始点、及び要素をランダムに選択するような確立論的手順と組合わせることができる。例えば、インデックスの確立分布は、最新ポイントの選択には有利でもあり、不利でもある。確率分布の定義は、それ自身、原及び分離した信号と、演算時の混合特性とに基づく確率論的又は決定論的なものである。ネットワークのための更新演算は、全て原因から引き続いて起こるものであり、出力の現在の値は、混合体の現在及び過去のみに依存している。
図13は、時間ウインドウ上で測定又は演算された全ての関連データポイント群を含む長スタックからのデータポイント(短スタック)群を使用した分離閾値の適応例を示す。長スタックは、N要素幅で、M要素深である。関数は、それらの時間インデックスによってグループ化される。測定信号及び推定原信号又は分離信号、中間演算の結果、及びそこでの種々の関数を含む、M演算結果を持つN時間例がある。長スタックの内容は、移動するウインドウ、又は測定及び演算の履歴を表す。最も新しく測定・演算されたデータポイントは、最新インデックスのよってスタックに添えられ、その前に新しいデータ群は取除かれる。前述したように、スタック自身のサイズは、一定である必要はない。
短スタックは、特定の時間定数における演算のために、長スタックからエントリされる。また、短スタックの内容は、演算が実行される際、時間における全定数で変更される。時間ｔで選択された短スタックエントリは、時間ｔにおいて、推定原信号又は分離信号を演算するために使用される。しかし、時間tは演算の時間であるが、分離された出力に関連付けられた時間である必要はない。現在取り組んでいる将来のスキームである出力における待ち時間があるため、時間tでの演算は、Lが待ち時間を表す場合、期間ｔ−L間の分離信号についてである。
このように、本発明のアルゴリズム及びフレームワークは、本発明を、信号及び波動の伝播、伝送、及び変換による実施でいつも経験する信号遅延及び他の非線形な出来事等の変化する現象に適応できるようにする一般時間領域システムを考慮している。
また、本発明は、長及び特に短スタックのエントリを選択する閾値を操作することによって、出力の色々なフォームの重み付けを処理し、活用するための静的に重要な間隔を考慮している。
適応パラメータ推定のための帰納的手順。様々な適応において、特に、分離プロセスの高い精度が望まれる場合、信号分離プロセスを帰納的に適用することだでき、すなわち、信号分離プロセスからの出力は、好ましい精度が達成されるまで、次の分離プロセスの入力として取扱うことができる。分離の各後続するプロセスは、前のプロセスと同じ又は相違するモデル、アーキテクチャ、及びパラメータを使用できる。また、この方法は、マルチスレッド適応手順のような、本発明のリアルタイム・オンライン手順と組合すことができる。
オーディオ信号処理への適用
会話、話し手、及び/又は、そのプロセスに関連する演算の難題を与える言語の認識及び処理のために、或いは、ユーザのプライバシ及び/又はサーベランスの目的ために、ノイズのないクリアな信号、例えばノイズ、周囲音、及び他の話し手に汚されない会話セグメント、を得ることが好ましい。本発明の信号分離アーキテクチャ及びアルゴリズムは、この目標に向けた先端として使用されている。マイクロフォン・アレーは、会話(及び、他の)信号の多くの種類を得るために使用することができる。これらは、元の個々の信号又は会話セグメントを得るための信号分離に使用される混合信号であってもよい。これらのセグメントは、マイクロフォンによって捕捉される元の(原)信号より、より少ないノイズ及び他の干渉ソースを含んでいる。
図14は、本発明の信号分離及び再生手順に基づくオーディオ適用を示す。オーディオ信号は、マイクロフォン・アレー1402のエレメントによって、電気信号に変換される。マイクロフォン・アレー1402の各エレメント周辺における音の異なる種類(混合体)を受入れる。マイクロフォン要素の異なる配列は、適用の性質、混合体の数、望まれる精度、及び他の関連閾値に応じ設計することができる。いくらかの信号調整及びフィルタリングにより、これらの信号は、アナログ形式からデジタル形式に変換し、それらを記憶及び処理することができる。本システムのDSP装置806は、本発明の信号分離及び再生手順に従ってプログラムされている。DSP装置806は、様々な算術及びロジックオペレーション、及び最適性能を達成するためのデジタル表現、データ記憶及び検索手段を備えることができる。図面に示された回路及び構成は、単一チップによる総合システムの実現に向けて更なる統合を行うことができる。図14は、図8のハードウエア加速実施オプションのフレームワークにおける適応の特定システムを示す。
図15は、マイクロフォン・DSPインターフェースに組込むことができるDSPに基づいた手持型装置に対する３つのオーディオ入力インターフェースを示す。最も左側には、マイクロフォン1502に対する一般的なインターフェースがある。マイクロフォン1502は、A/D変換器1504に接続されており、このA/D変換器は、DMA(ダイレクト・メモリ・アクセス)チャネル1506、及びDSP又は音声処理チップ1508に接続されている。中央に、図14のケースと同様に、直接的な方法でマイクロフォン1052が示されている。これは、他のA/D変換器1504及び多分もっと重要な他のDMDチャネル1506又はチップ1508を使用することができる。最も右側に、マルチプレクサ1510の使用低減に影響する有力な方法が示されている。マルチプレクサ1510に対する選択信号は示されていないが、直接的な方法でサンプリング・クロックから生成することができる。複合化された入力の場合には、オーディオ信号パス上の影響は最小限とされる点に注目されたい。また、同時サンプリングが必要な場合、2つのA/D変換器1504を使用してサンプルし、(アナログ)マイクロフォンの代わりにデジタルデータを複合化するというわずかな変更を考えることもできる。
図16は、本発明の使用に相応しいオーディオ装置の概要を示す。これは、多くの機能を発揮するようプログラムされたスマート音響感知・処理装置1600である。この装置は、音声又は音響信号に基づいたインターフェースを実施するたねに、演算又は通信装置内に、全体として又は部分的に使用することができる。スマート・マイクロフォン1600は、マイクロフォン・アレー1604を介してソース1602から複数の音を受入れる。マイクロフォン・アレー1604は、マイクロフォン・エレメント1805から構成されている。マイクロフォン・アレー1606は、A/D変換器1606、及び1つ以上のDSPs又はDSPコアー1608に接続されている。DSPコアー1608は、メモリ装置1610、少なくとも１つのデジタル回路1612及びアナログ回路1614、オンライン・プログラミング・インターフェース1616、及びD/A変換器1618に接続されている。メモリ装置1610は、信号分離及び再生アルゴリズム、及び前述した手順を含んでいる。デジタル回路1612及びアナログ回路1614は、信号変換、調整、及びインターフェース回路を備えている。D/A変換器1618は、出力チャネル1620及び他の出力チャネル1622に出力を送る。図面では、それらを平面上に置いたものが示されているが、マイクロフォン軸線は、同一平面上にある必要はない。事実、図17に示されたものと同様に円筒状配置は、全方向からの音を拾い上げる上で望ましい。これらの方向のいくらかは、拾い上げることができないかもしれない。このスマート・マイクロフォンは、図16にその概要が示されたマイクロフォン要素1605を備えている。この装置は、最少のオーディオ信号分離及び再生実行能力を持っている。付加的特徴を、デジタル信号プロセッサ上と同様にプログラムすることによって、これらの特徴を付加することができる。この装置は、予めプログラムした後、従来のマイクロフォンの代わりに使用することができ、また、オンライン・プログラミングよって自由度を利用した新しいオーディオインターフェースとして使用することもできる。構成部品を説明するために、従来のマイクロフォンより大きく図示されているが、実際には高度の統合によって、従来品と同等若しくはそれより小さいものとすることができる。
マイクロフォン技術及びマイクロフォン・アレー。マイクロフォンは、空気粒子の振動としての音響エネルギを、電子の振動としてマイクロフォン・ケーブルに沿って送られる電気的エネルギに変換する装置である。一旦、この変換が起こると、音情報は、通常の音響的拘束から開放される。それは、増幅され、ワイア上又はラジオ波を介して伝送され、記憶され、また処理・加工できるようになる。
今日、マイクロフォンは、至る所にある装置である。多くのタイプのマイクロフォンが存在し、このセクションは、マイクロフォンに関連する技術の概要を説明する。全てのマイクロフォンに望まれる特徴は、意図される特定の適用にいくらかの範囲に依存している。しかし、製造者のマイクロフォン仕様と同様に、音響変換の原理を検討する中で、以下の性能カテゴリが、適切なマイクロフォンの選定における重要な支えになっている。
1．軸線上の周波数応答、これは、一定音響レベルに関する、信号出力 対 周波数で言及される。
2．指向性、これは、平面上での全方向から受入れられた音に対するマイクロフォンの応答、例えば全方向性、心臓型、ショットガン、で言及される。
3．軸線外周波数応答、(1)と同様、しかし、軸線外での。
4．感度、つまりマイクロフォンの、音響エネルギを電気信号に変換する効率。
5．セルフ・ノイズ、つまり固有ノイズレベル
6．歪、つまり音響エネルギに対する線形応答からの偏差
ヒーテッド・ワイア(heated wire)やクラウド・オブ・イオン(cloud of ions)に基づいた、いくらかの風変わりなタイプは除いて、全てのマイクロフォンは、音響エネルギを、薄く軽いダイアフラムの音波に対応した機械的振動を介して、機械エネルギに変換する。一般的に、このダイアフラムは、円形状で、周囲を把持されているが、端部のクランプ間に伸びる薄いリボンタイプを含む他の形状も出現している。従って、マイクロフォンにおけるエネルギ変換は、通常、同時に起こる２つのステージで起こることが判る。
第1ステージにおいて、どの変換器タイプのマイクロフォンが音から機械的エネルギを引出す主な２つの方法も、圧力操作及び圧力勾配操作である。圧力操作マイクロフォンの顕著な特徴は、マイクロフォンの裏面が閉塞されているため、動作力は、前方の瞬間的空気圧によるものである。小さな空気穴が、長いターム(term)の内部及び外部空気圧を等しくするために、ケーシングに開けられている。純粋に圧力を操作するマイクロフォンは、全方向性である。一方、圧力勾配マイクロフォンは、ダイアフラムの両面が空気に対し等しく開放するように作られている。いかなる例においても、ダイアフラム上の有効応力は、単純に、前端の圧力によるものではなく、前後端の間の圧力差、つまり圧力勾配によるものである。これは、本システムの指向性の重要な支えとなる。全種類の指向性パターンは、圧力と圧力勾配操作とを組合せる時に可能となる。
第2ステージは、引出された機械的エネルギを電気エネルギに変換する色々な電気ジェネレータ原理を使うことができ、マイクロフォンは、それに従って分類される傾向にある。いくらかの共通した分類は、以下のように表すことができる。
1．電場における導体の動きが、導体内の電流の流れを起こす電磁場を作る原理に基づく可動コイル(動的)マイクロフォン。
2．動的マイクロフォンとしての、同様の原理に基づくリボンマイクロフォン。そこにおいて、リボンは、ダイアフラム及び導体として働く。
3．導体要素が、ダイアフラムの振動に基づいて変化するコンデンサであることに基づくコンデンサ(蓄電器又は静電)マイクロフォン。
4．エレクトレット材料でコートされた(裏面が極化された)固定プレートトともに極化された又はニュートラルなダイアフラムを使用したエレクトレットマイクロフォン。
5．出力端子において、効果的置換に釣り合う交流電圧を引き起こすロッドによって、ダイアフラムの振動が、(単一ユニットを形成するために接続された逆の極性にされた)バイモルフに伝達されるようにした、圧電特性を有する結晶又はセラミック材料を使用した圧電マイクロフォン。
6．外部圧が変化すると接触面積が増減する炭化硬質炭の顆粒を使用した、多くの電話に使われているカーボン・マイクロフォン。
過去10年間で、シリコンのミクロ機械加工技術は、シリコンウエハによる小型マイクロフォンの製造に広く適用されてきた。異なる原理、例えば圧電、圧電抵抗、及び静電原理、に基づいたシリコン・マイクロフォンも使用可能である。寸法管理の改善、大幅な小型化、統合化されたオンチップ回路の可能性、及びバッチ処理の結果としての低価格の可能性 等の大きな利点のため、この分野への関心が高まっている。
ここで、2タイプのミクロ機械加工したマイクロフォン、つまり静電タイプ及び圧電タイプの検討をする。
ミクロ機械加工した静電タイプマイクロフォン。大半のシリコン・マイクロフォンは、高い感度、フラットな周波数応答、及び低ノイズレベルのため、静電原理に基づいていたものとなっている。静電マイクロフォンは、エレクレット・マイクロフォン、コンデンサ・マイクロフォン、及び統合フィールド効果トランジスタ(FETs)に分類される。静電マイクロフォンは、薄膜可撓性ダイアフラム及び硬質ブリキ原板から構成されている。2つの部品は、2つの分離シリコンチップでも、単一チップのいずれでも実現できる。ブリキ原板上の音響穴は、異方性エッチングの使用により作られている。シリコン・マイクロフォンのダイアフラムは、薄いマイラー・ホイール、ポリエステル、低圧化学蒸着(LPCVP)窒化珪素フィルム 等を使用できる。2チップ構造マイクロフォンに関し、シリコン・ダイレクト接着、陽極接着、又はポリマー接着剤は、ダイアフラムとブリキ原板の組立てに使用される。このような組立て技術の進歩は、常に、難しい整列手順を伴っていおり、また、そこで生まれた接着プロセスの大半は、単一チップを持つマイクロフォンの問題解決に好ましい、統合化された電子部品に影響を与え、そして、材料特性を変化させる手順を含んでいる。
このマイクロフォンにおける製造プロセスのシーケンスは、シリコンの異方性エッチング及び犠牲的層のエッチングを含む7つのマスクプロセスを使っている。ひだを有するダイアフラムは、シリコン静電マイクロフォンの設計にいくつかの利点を持っていると言われる。まず、ひだは、薄膜ダイアフラムの固有応力を低減し、より高い感度を生む。次に、単一ウエハプロセスの使用により製造できる点にある。音響穴は、空気間隙が形成された後、つまり犠牲的層が取除かれ、ダイアフラムが解放された後、自動的に作られる。ダイアフラムの感度及び共振周波数は、適切な構成パラメータを選択することにより最適化できる。
ミクロ機械加工された圧電マイクロフォン。ミクロ機械加工された圧電マイクロフォンは、理論的にも実験的にも探索されてきた。加えて、このような装置は、商業的CMOS工場及び大学のミクロ機械加工設備間の共同・対話型プロセスにおいて、オンチップ、大規模集積(LSI)CMOS回路による残留応力補償を使って製造・テストされてきた。このような2500×2500×3.5μｍ立方のマイクロフォンは、低圧化学蒸着(LPCVD)・シリコン−リッチ・窒化珪素・支持層上に、圧電ZnO層を有している。このパッケージ化されたマイクロフォンは、18KHzの共振周波数、品質値Q=40(約)、及び計算上の感度と一致する0.92μV/Paの非増幅感度を有する。差動増幅器は、49dBゲインで、入力において、13μVA−加重ノイズとする。
裏側に対するウエハ前側の特徴部分を整列するための関連する処理技術は、大量ミクロ機械加工のために試みられてきた。この目的に向け、小型(30μm平方、1.6μm厚)ダイアフラムは、整列パターンとして提供された。この整列ダイアフラムが作られると同時に、もっと薄く、広い面を持つダイアフラムは、この面に、「メッシュ」マスクパターンを使って部分的にエッチングをすることが可能である。このメッシュマスク技術は、選択した領域において、エッチのくぼみが届く深さを制御するため、(100)と(111)平面間にエッチ率の差を設定している。特に、広面積の、部分的にエッチングされたダイアフラム(2〜3平方)は、シリコン工場環境において、それに続くIC処理ステップに耐え得るに充分な力を持っている。上記特徴部分をより小さくする可能性があるため、この報告されたサイズは、低減され得るものである。薄い整列ダイアフラムは、その面積が非常に小さいため、これらのステップで処理される。部分的にエッチングされたダイアフラムは、回路が作られた後、最終エッチングステップで、実用的な厚みに低減することができる。この技術は、マイクロフォン及びオンチップCMOS回路の製造に広く使用されている。
ミクロ機械加工した圧電マイクロフォンは、電熱的に調整できる共振周波数を生み出す機会を作り出す。この特性を持った特定装置は、オン・ダイアフラム・ポリシリコン・ヒータに誘発された熱膨張によって、共振周波数変調fmを達成する。抵抗器出力を−127Hz/mWまで高めた状態での、fmのほぼ線形的な減少は、20.8から15.1kHzの間で計測された。機械的品質値Qmは、ほぼ100である。その上、温度-出力曲線は、ダイアフラム上の最高温感知エレメントの部分で、勾配0.3Celsius/mWの線形である。色々な共振周波数及び高品質値は、超音波レンジのファインダ、速度センサ、信号部品、及び会話処理へ適用可能な音響フィルタ能力を提供する。
4隅を把持されたダイアフラムを持つ以前のものと違う、マイクロフォン−マイクロスピーカ結合装置は、把持ダイアフラムに見られる残留応力のない片持ち梁を備えている。片持ち梁の使用は、ミクロ機械加工ダイアフラムを有する他のマイクロフォン以上の感度レベルを可能とする。加えて、この装置が、出力変換器、例えばマイクロスピーカ、として電気的に駆動される際、自由端での比較的大きな撓みは、大きな音響出力を生み出す。
統合マイクロフォンの理論は、機械的、圧電、及び回路理論を組合わせることによって進展する。また、求められるものは、感度−帯域幅 積及びノイズに対する信号率に関する理論的最適化である。
マイクロフォン部品のマイクロフォン・アレー組立体及び適応調整。現在使用されている「マイクロフォン・アレー」という言葉は、メートルの単位での大きな幅を持つマイクロフォンの配置からそう言われている。これは、2つの要素の結果である。まず、大半の一般的マイクロフォンの直径は、より小さなアレー寸法とすることを不可能としている。次に、これまでは、マイクロフォン・アレーを作る主な動機は、必要な入力をビーム形成アルゴリズムに提供することにあるため、すなわち、大半の音響信号(0.1〜1.0メートル)と関連する大きな波長は、マイクロフォン部品を遠くに離すことを強いるため、複数のマイクロフォンを非常に接近させて収納することに対するニーズはほとんどなかった。例えば、スピーカ位置と一致させるために使用され、51のマイクロフォンを備える、ある寸法のマイクロフォン・アレーは、2ｍに渡って、4cmの等間隔で一列に配置される。この配置は、スパイラル・エイリアシングなしで、4000Hzまでの周波数に対しする感度を提供する。
技術進歩と新しいアルゴリズムのみによって、内耳の働きの理解によって、真のスマート音響インターフェースに必要とされる信号処理の領域に対応するため、内耳と類似した構成を作るよう動機付けられる。この点に関する以前の説明では、マイクロフォン・アレーという言葉は、どの寸法も5cm以下の小型として言及してきた。このサイズで、単一装置つまりインターフェースは、アレーに含まれることが可能で、信号分離のような優れた音響機能を実行するため、全空間つまり囲いをマイクロフォと繋ぐ必要はない。物理的寸法は、このサイズでのビーム形成(beam-forming)及び局在性(localization)を、数学的に実現性のないものとするが、最終目標は、そのような装置に対し１つの優れた耳としての機能を与えるように、全ての機能を統合することにある。そして、複数の装置を、ソースの局在性及びビーム形成に相応しい物理的寸法から発生する更なる問題解決のために配置することができる。
シリコン上へのマイクロフォンの統合は、マイクロフォン寸法及びスペースの圧縮管理を可能とする。そして、これによりビーム形成アルゴリズムのより信頼性のある実施が期待できるようになる。しかし、ミクロ機械加工されたマイクロフォン部品の応答特性は、従来対象部品より劣ることが予測される。圧電マイクロフォンの圧縮した連結に伴ういくつかの問題は、未解決のまま残されている。CCDアレーの単一ピクセル、又は統合ユニットのトランジスタに類似した同種ユニットのアレーにおける単一構成部品として、独立・ミクロ機械加工又はミクロ電気機械加工システム(MEMS)装置を、この説明の中で検討してきたことに注目する必要がある。
各MEMSからの信号は、通常、製造プロセスにおくる物理的拘束により、オフセット及び非線形を示すので、変換された信号は、検査・管理の信頼性ある測定を実現するため、調整、テスト、及び一回の工場キャリブレーション用のオフ・ザ・シエルフ(off-the-shelf)小型電子部品技術を頼りにしなくてはならない。しかし、一回の工場キャリブレーションでは、例えば、輻射、装置エージング、及び温度変化 のため、一般化した使用に対し充分ではない。その上、同じ基体上に、全て異なるMEMS装置を同じように圧縮して連結した場合を考えると、問題に対する外的悪影響は、MEMSによって与えられる小型化の利点を超えてしまう。
本発明の適用は、音響センサを伴う統合された適応システムを使用するもので、それは、このシステムが、異方及び非線形の存在する中で、オンライン又はオフラインにおける関係を変える能力を提供するためである。加えて、モジュラー設計構成の使用は、信号調整システムの議論に直結する。
デジタル信号プロセッサ。オーディオ、会話、及びマルチメディア適用のための多くのデジタル信号プロセッサ(DSP)が存在する。特定の適用においては、オーディオ信号の分離及び再生のために、最適プロセッサ群を選択することはトレードオフ次第である。この選択は、多くのアーキテクチャと数値的表現、例えば浮動又は固定ポイント、との間でのことである。高度の統合解決(例えば、1チップ)を達成するためには、予め設計された装置又は標準シリコン・セル・ライブラリより設計した装置のいずれかからのDSPコアの組込みが必要となるであろう。
DSPアセンブラ及びリンカーに対する接続点であるコンパイラは、本発明に説明された2つの実施オプション間の移植性を作り出している。このように、ソフトウエア・エミュレーション実施とハードウエア加速エミュレーション実施との高級言語アルゴリズム間の双方向接続は存在する。加えて、同様の直接的連結は、多くのコンピュータ環境とDSPエミュレーション環境、例えば様々なプロセッサのためのC/C＋＋ライブラリ及びコンパイラ、との間に存在する。
特に各デジタル信号プロセッサ用の高速・小型アセンブリコードの創作が望まれる。不幸にも、特定のDSPコンパイラによって作られたアセンブリコードは、通常、望まれるような最適の物ではない。デジタルプロセッサ設計及び共同設計の多くのツール環境は、モデルの階層を構成する。高度な挙動レベルから始まり、物理的にコミットされる前に、記述を重ねたこれは設計エラーの識別及び修正が行われる。その上、それは、記述された装置が事実上物理的に実現されたことが示された完全に正確な実行推定をもたらす。
プログラム可能なロジックは、関連開発プロセスの統合部品を可能とする。プログラム可能なDSPコア(専用チップに統合するため設計されたDSPプロセス)は、システムを差別化し、システムコスト、スペース、及び電力消費を低減するために、専用ロジックと統合することができる。
信号変換、調整、及びインターフェース回路。信号変換、調整、及びインターフェース回路は、離散的部品、例えばA/D及びD/A変換器、メモリIC用のもの、タイマ、opアンプ、フィルタ 等、として容易に使用可能である。高速プロトタイピング及びプログラム化性のために、アナログ及びデジタルの両方のプログラム可能な装置を使用することができる。
多くのデジタル(フィールド・プログラマブル・ゲート・アレー)FPGAの販売者は、プログラムのための、コンプレキシイ、ゲート、ピンカウントを増加した装置を提供している。他の表示は、動的システムが存在するコンフィギュレーション及びバーチャル・ハードウエア及び再構成できる(re-configurable)DPSコアを含む、色々なフォームに再構成できるハードウエアに合わせて作られている。適応処理アルゴリズム及びそれらの実施に関し、ソフトウエア及びハードウエアのシームレスな統合を伴う機会が増加している。また、アナログ及びデジタル信号表示の両者を含む、提案された本発明は、ハードウエア、例えば電気的にプログラム可能なアナログ回路(EPAC)、のアナログプログラム化能力に合わせて作られる。それは、必要に応じ、アナログ・デジタル・混合信号・プログラマブル装置を専用電子モデル又は離散部品に組合す上で有利である。また、最終的に音響感知装置と容易に統合化可能な専用回路及び構造を追求する上で有用である。
本発明の上記した記述は、説明を目的としたものである。記載された詳細な形態は、本発明を消尽させ、また、限定するものではない。多くの変更及び変形が当業者にとって明らである。本発明の範囲は、請求の範囲及びその均等範囲によって定義される。
Claims (1)
- 状態空間時間領域アーキテクチャを使用して１組の混合信号の複数の測定を処理することによって原信号情報を再生するための信号分離識別及び再生方法であって、
前記測定の処理から得られたデータの結果と同様に、前記測定データを記憶するために使用される記憶構成を構築及び配置し、
マトリックスＡ及びＢは固定であり、４つのマトリックスＡ，Ｂ，Ｃ，及びＤを構築し、
前記１組の混合信号の新しい１組の測定データを受信し、
前記１組の新しい測定データを前記マトリックスで処理し、
前記測定の処理から得られた結果に対して信号分離基準及び関数を評価し、
前記評価に基づいて前記マトリックスＣ及びＤの要素を更新し、
前記新しい１組の測定データを前記マトリックスで処理して前記原信号を推定する
ことを含み、ここにおいて、
混合モデルとして次のものを採用し、
信号分離アーキテクチャとして次のものを採用し、
ここで、ｓはｎ次元ソース信号ベクトルであり、ｘは内部状態であり、ｍはｍ次元測定ベクトルであり、ｕはｎ次元出力であり、
行列Ｃのパラメータ計算については、次のグループから選択された少なくとも１つの重み更新ルールを使用し、
ここで
であり、
は、
diag(K)マトリックス
の１又は複数のサンプルを平均することによって得られる時間平均値であり、
η
は、適応率であり、
肩付き(−Ｔ)は逆転置であり、
diag(K)
は、対角要素以外の全ての要素はゼロであり、対角要素はすべてＫの要素に等しく、行列Ｋ及びＬは下式で表される外積行列であり、
K=ｆ(u)g(x)T かつ L=f(u)g(u)T
ここで、ｆ及びｇは奇関数であり、ｕは入力ソース信号ｓを確立する１組の出力信号であり、ｍは受信された１組の混合であり、ｘは１組の内部状態であり、
行列Ｄのパラメータ計算については、次のグループから選択された少なくとも１つの重み更新ルールを使用し、
ここで
であり、
は、
diag(L)マトリックス
の１又は複数のサンプルを平均することによって得られる時間平均値であり、
η
は、適応率であり、
肩付き(−Ｔ)は逆転置であり、
diag(L)
は、対角要素以外の全ての要素はゼロであり、対角要素はすべてＬの要素に等しい
ことを特徴とする方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US5014797P | 1997-06-18 | 1997-06-18 | |
| US60/050,147 | 1997-06-18 | ||
| PCT/US1998/013051 WO1998058450A1 (en) | 1997-06-18 | 1998-06-18 | Methods and apparatus for blind signal separation |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2002507351A JP2002507351A (ja) | 2002-03-05 |
| JP2002507351A5 JP2002507351A5 (ja) | 2006-02-02 |
| JP4477148B2 true JP4477148B2 (ja) | 2010-06-09 |
Family
ID=21963611
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP50499099A Expired - Fee Related JP4477148B2 (ja) | 1997-06-18 | 1998-06-18 | ブラインド信号分離方法及び装置 |
Country Status (10)
| Country | Link |
|---|---|
| US (1) | US6625587B1 (ja) |
| EP (1) | EP0990306B1 (ja) |
| JP (1) | JP4477148B2 (ja) |
| CN (1) | CN1264507A (ja) |
| AT (1) | ATE247340T1 (ja) |
| AU (1) | AU740617C (ja) |
| CA (1) | CA2294262A1 (ja) |
| DE (1) | DE69817181T2 (ja) |
| HK (1) | HK1027444A1 (ja) |
| WO (1) | WO1998058450A1 (ja) |
Families Citing this family (75)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6278377B1 (en) | 1999-08-25 | 2001-08-21 | Donnelly Corporation | Indicator for vehicle accessory |
| US6691073B1 (en) | 1998-06-18 | 2004-02-10 | Clarity Technologies Inc. | Adaptive state space signal separation, discrimination and recovery |
| ATE257985T1 (de) * | 1998-06-18 | 2004-01-15 | Clarity Llc | Adaptive zustandsraum-signaltrennung, unterscheidungs- und rückgewinnungsarchitekturen und ihre anpassungen zur verwendung in dynamischen umgebungen |
| US6735482B1 (en) | 1999-03-05 | 2004-05-11 | Clarity Technologies Inc. | Integrated sensing and processing |
| US6768515B1 (en) | 1999-03-05 | 2004-07-27 | Clarity Technologies, Inc. | Two architectures for integrated realization of sensing and processing in a single device |
| SE521024C2 (sv) * | 1999-03-08 | 2003-09-23 | Ericsson Telefon Ab L M | Metod och anordning för att separera en blandning av källsignaler |
| US7120261B1 (en) | 1999-11-19 | 2006-10-10 | Gentex Corporation | Vehicle accessory microphone |
| WO2001037519A2 (en) | 1999-11-19 | 2001-05-25 | Gentex Corporation | Vehicle accessory microphone |
| ATE417483T1 (de) * | 2000-02-02 | 2008-12-15 | Bernafon Ag | Schaltung und verfahren zur adaptiven geräuschunterdrückung |
| CN1436436A (zh) * | 2000-03-31 | 2003-08-13 | 克拉里提有限公司 | 用于话音信号提取的方法和设备 |
| US6999926B2 (en) * | 2000-11-16 | 2006-02-14 | International Business Machines Corporation | Unsupervised incremental adaptation using maximum likelihood spectral transformation |
| KR100878992B1 (ko) * | 2001-01-30 | 2009-01-15 | 톰슨 라이센싱 에스.에이. | 지오메트릭 소스 분리 신호 처리 기술 |
| EP1380186B1 (en) | 2001-02-14 | 2015-08-26 | Gentex Corporation | Vehicle accessory microphone |
| US6985858B2 (en) * | 2001-03-20 | 2006-01-10 | Microsoft Corporation | Method and apparatus for removing noise from feature vectors |
| AUPR647501A0 (en) * | 2001-07-19 | 2001-08-09 | Vast Audio Pty Ltd | Recording a three dimensional auditory scene and reproducing it for the individual listener |
| US20030125959A1 (en) * | 2001-12-31 | 2003-07-03 | Palmquist Robert D. | Translation device with planar microphone array |
| US6859772B2 (en) * | 2002-05-07 | 2005-02-22 | Motorola, Inc. | Mixed signal dynamical environment modeling |
| US7047043B2 (en) * | 2002-06-06 | 2006-05-16 | Research In Motion Limited | Multi-channel demodulation with blind digital beamforming |
| US6934397B2 (en) | 2002-09-23 | 2005-08-23 | Motorola, Inc. | Method and device for signal separation of a mixed signal |
| CN100430747C (zh) * | 2003-03-04 | 2008-11-05 | 日本电信电话株式会社 | 位置信息估计装置及其方法 |
| US7039546B2 (en) * | 2003-03-04 | 2006-05-02 | Nippon Telegraph And Telephone Corporation | Position information estimation device, method thereof, and program |
| US20040205403A1 (en) * | 2003-03-28 | 2004-10-14 | Mitchell Markow | Acoustic power spectra sensor for hard disk drive to provide early detection of drive failure and diagnostic capabilities |
| US7646744B2 (en) | 2003-04-07 | 2010-01-12 | Shaolin Li | Method of operating multi-antenna wireless data processing system |
| US7933255B2 (en) | 2003-04-07 | 2011-04-26 | Bellow Bellows Llc | Multi-antenna wireless data processing system |
| US7389096B2 (en) | 2003-04-07 | 2008-06-17 | Bellow Bellows Llc | Monitoring system using multi-antenna transceivers |
| US7512083B2 (en) | 2003-04-07 | 2009-03-31 | Shaolin Li | Single chip multi-antenna wireless data processor |
| US8014374B2 (en) | 2003-04-07 | 2011-09-06 | Bellow Bellows Llc | System and method for achieving timing compatibility with multi-antenna wireless data protocols |
| KR100600313B1 (ko) * | 2004-02-26 | 2006-07-14 | 남승현 | 다중경로 다채널 혼합신호의 주파수 영역 블라인드 분리를 위한 방법 및 그 장치 |
| US7415392B2 (en) * | 2004-03-12 | 2008-08-19 | Mitsubishi Electric Research Laboratories, Inc. | System for separating multiple sound sources from monophonic input with non-negative matrix factor deconvolution |
| EP1581026B1 (en) * | 2004-03-17 | 2015-11-11 | Nuance Communications, Inc. | Method for detecting and reducing noise from a microphone array |
| US20070177695A1 (en) * | 2004-03-31 | 2007-08-02 | Board Of Trustees Of Michigan State University | Multi-user detection in cdma systems |
| US7409670B1 (en) * | 2004-04-01 | 2008-08-05 | Altera Corporation | Scheduling logic on a programmable device implemented using a high-level language |
| US7231227B2 (en) * | 2004-08-30 | 2007-06-12 | Kyocera Corporation | Systems and methods for blind source separation of wireless communication signals |
| CN1942932B (zh) * | 2005-02-08 | 2010-07-28 | 日本电信电话株式会社 | 信号分离装置和信号分离方法 |
| WO2006131959A1 (ja) * | 2005-06-06 | 2006-12-14 | Saga University | 信号分離装置 |
| JP4051408B2 (ja) * | 2005-12-05 | 2008-02-27 | 株式会社ダイマジック | 収音・再生方法および装置 |
| US8180067B2 (en) * | 2006-04-28 | 2012-05-15 | Harman International Industries, Incorporated | System for selectively extracting components of an audio input signal |
| ATE527833T1 (de) * | 2006-05-04 | 2011-10-15 | Lg Electronics Inc | Verbesserung von stereo-audiosignalen mittels neuabmischung |
| US8036767B2 (en) | 2006-09-20 | 2011-10-11 | Harman International Industries, Incorporated | System for extracting and changing the reverberant content of an audio input signal |
| EP2084901B1 (en) | 2006-10-12 | 2015-12-09 | LG Electronics Inc. | Apparatus for processing a mix signal and method thereof |
| EP2092516A4 (en) | 2006-11-15 | 2010-01-13 | Lg Electronics Inc | METHOD AND APPARATUS FOR AUDIO SIGNAL DECODING |
| KR101111520B1 (ko) | 2006-12-07 | 2012-05-24 | 엘지전자 주식회사 | 오디오 처리 방법 및 장치 |
| US8265941B2 (en) | 2006-12-07 | 2012-09-11 | Lg Electronics Inc. | Method and an apparatus for decoding an audio signal |
| US20080201158A1 (en) | 2007-02-15 | 2008-08-21 | Johnson Mark D | System and method for visitation management in a controlled-access environment |
| US8542802B2 (en) | 2007-02-15 | 2013-09-24 | Global Tel*Link Corporation | System and method for three-way call detection |
| US8017898B2 (en) | 2007-08-17 | 2011-09-13 | Magna Electronics Inc. | Vehicular imaging system in an automatic headlamp control system |
| EP2191457B1 (en) | 2007-09-11 | 2014-12-10 | Magna Electronics | Imaging system for vehicle |
| US8290449B2 (en) * | 2007-09-18 | 2012-10-16 | California Institute Of Technology | Equalization of third-order intermodulation products in wideband direct conversion receiver |
| KR101434200B1 (ko) * | 2007-10-01 | 2014-08-26 | 삼성전자주식회사 | 혼합 사운드로부터의 음원 판별 방법 및 장치 |
| US8446470B2 (en) | 2007-10-04 | 2013-05-21 | Magna Electronics, Inc. | Combined RGB and IR imaging sensor |
| GB0720473D0 (en) * | 2007-10-19 | 2007-11-28 | Univ Surrey | Accoustic source separation |
| US8131541B2 (en) | 2008-04-25 | 2012-03-06 | Cambridge Silicon Radio Limited | Two microphone noise reduction system |
| US20100020170A1 (en) | 2008-07-24 | 2010-01-28 | Higgins-Luthman Michael J | Vehicle Imaging System |
| KR101178801B1 (ko) * | 2008-12-09 | 2012-08-31 | 한국전자통신연구원 | 음원분리 및 음원식별을 이용한 음성인식 장치 및 방법 |
| US9225838B2 (en) | 2009-02-12 | 2015-12-29 | Value-Added Communications, Inc. | System and method for detecting three-way call circumvention attempts |
| JP5375400B2 (ja) * | 2009-07-22 | 2013-12-25 | ソニー株式会社 | 音声処理装置、音声処理方法およびプログラム |
| WO2011044064A1 (en) | 2009-10-05 | 2011-04-14 | Harman International Industries, Incorporated | System for spatial extraction of audio signals |
| US20120300959A1 (en) * | 2011-05-26 | 2012-11-29 | Leonard Marshall | Ribbon microphone with usb output |
| CN102749849B (zh) * | 2012-07-03 | 2016-04-27 | 西安交通大学 | 一种壳体结构表面变频率特性的主动控制方法 |
| CN104636313B (zh) * | 2014-12-16 | 2017-12-29 | 成都理工大学 | 一种冗余扩展单源观测信号的盲信号分离方法 |
| US10540588B2 (en) * | 2015-06-29 | 2020-01-21 | Microsoft Technology Licensing, Llc | Deep neural network processing on hardware accelerators with stacked memory |
| US10572961B2 (en) | 2016-03-15 | 2020-02-25 | Global Tel*Link Corporation | Detection and prevention of inmate to inmate message relay |
| US9609121B1 (en) | 2016-04-07 | 2017-03-28 | Global Tel*Link Corporation | System and method for third party monitoring of voice and video calls |
| US10324167B2 (en) | 2016-09-12 | 2019-06-18 | The Boeing Company | Systems and methods for adding functional grid elements to stochastic sparse tree grids for spatial filtering |
| US10429491B2 (en) * | 2016-09-12 | 2019-10-01 | The Boeing Company | Systems and methods for pulse descriptor word generation using blind source separation |
| US10324168B2 (en) | 2016-09-12 | 2019-06-18 | The Boeing Company | Systems and methods for spatial filtering using data with widely different error magnitudes |
| US10573291B2 (en) | 2016-12-09 | 2020-02-25 | The Research Foundation For The State University Of New York | Acoustic metamaterial |
| CN106789218B (zh) * | 2016-12-13 | 2019-12-31 | 中国电子科技集团公司第二十研究所 | 一种基于事件的链路冲突实时仿真方法 |
| US10027797B1 (en) | 2017-05-10 | 2018-07-17 | Global Tel*Link Corporation | Alarm control for inmate call monitoring |
| US10225396B2 (en) | 2017-05-18 | 2019-03-05 | Global Tel*Link Corporation | Third party monitoring of a activity within a monitoring platform |
| US10860786B2 (en) | 2017-06-01 | 2020-12-08 | Global Tel*Link Corporation | System and method for analyzing and investigating communication data from a controlled environment |
| US9930088B1 (en) | 2017-06-22 | 2018-03-27 | Global Tel*Link Corporation | Utilizing VoIP codec negotiation during a controlled environment call |
| EP3690875B1 (en) * | 2018-04-12 | 2024-03-20 | Spotify AB | Training and testing utterance-based frameworks |
| CN112434415B (zh) * | 2020-11-19 | 2023-03-14 | 中国电子科技集团公司第二十九研究所 | 一种面向微波光子阵列系统射频前端异构模型的实现方法 |
| CN114970607B (zh) * | 2022-05-06 | 2024-03-29 | 北京谛声科技有限责任公司 | 基于深度神经网络声发射信号分离的变压器局放检测方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5140670A (en) | 1989-10-05 | 1992-08-18 | Regents Of The University Of California | Cellular neural network |
| US5208786A (en) | 1991-08-28 | 1993-05-04 | Massachusetts Institute Of Technology | Multi-channel signal separation |
| IL101556A (en) | 1992-04-10 | 1996-08-04 | Univ Ramot | Multi-channel signal separation using cross-polyspectra |
| US5355528A (en) | 1992-10-13 | 1994-10-11 | The Regents Of The University Of California | Reprogrammable CNN and supercomputer |
| US5383164A (en) * | 1993-06-10 | 1995-01-17 | The Salk Institute For Biological Studies | Adaptive system for broadband multisignal discrimination in a channel with reverberation |
| US5706402A (en) | 1994-11-29 | 1998-01-06 | The Salk Institute For Biological Studies | Blind signal processing system employing information maximization to recover unknown signals through unsupervised minimization of output redundancy |
| US6389445B1 (en) | 1995-08-31 | 2002-05-14 | The Trustees Of Columbia University In The City Of New York | Methods and systems for designing and making signal-processor circuits with internal companding, and the resulting circuits |
| US6185309B1 (en) | 1997-07-11 | 2001-02-06 | The Regents Of The University Of California | Method and apparatus for blind separation of mixed and convolved sources |
| ATE257985T1 (de) | 1998-06-18 | 2004-01-15 | Clarity Llc | Adaptive zustandsraum-signaltrennung, unterscheidungs- und rückgewinnungsarchitekturen und ihre anpassungen zur verwendung in dynamischen umgebungen |
-
1998
- 1998-06-18 AU AU81629/98A patent/AU740617C/en not_active Ceased
- 1998-06-18 EP EP98931517A patent/EP0990306B1/en not_active Expired - Lifetime
- 1998-06-18 CN CN98807317.XA patent/CN1264507A/zh active Pending
- 1998-06-18 WO PCT/US1998/013051 patent/WO1998058450A1/en active IP Right Grant
- 1998-06-18 CA CA002294262A patent/CA2294262A1/en not_active Abandoned
- 1998-06-18 AT AT98931517T patent/ATE247340T1/de not_active IP Right Cessation
- 1998-06-18 JP JP50499099A patent/JP4477148B2/ja not_active Expired - Fee Related
- 1998-06-18 US US09/445,778 patent/US6625587B1/en not_active Expired - Lifetime
- 1998-06-18 DE DE69817181T patent/DE69817181T2/de not_active Expired - Lifetime
-
2000
- 2000-10-05 HK HK00106311A patent/HK1027444A1/xx not_active IP Right Cessation
Also Published As
| Publication number | Publication date |
|---|---|
| AU740617B2 (en) | 2001-11-08 |
| DE69817181D1 (de) | 2003-09-18 |
| CN1264507A (zh) | 2000-08-23 |
| AU740617C (en) | 2002-08-08 |
| EP0990306A1 (en) | 2000-04-05 |
| ATE247340T1 (de) | 2003-08-15 |
| DE69817181T2 (de) | 2004-06-17 |
| US6625587B1 (en) | 2003-09-23 |
| WO1998058450A1 (en) | 1998-12-23 |
| EP0990306B1 (en) | 2003-08-13 |
| AU8162998A (en) | 1999-01-04 |
| HK1027444A1 (en) | 2001-01-12 |
| CA2294262A1 (en) | 1998-12-23 |
| JP2002507351A (ja) | 2002-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4477148B2 (ja) | ブラインド信号分離方法及び装置 | |
| EP3738118B1 (en) | Enhancing audio signals using sub-band deep neural networks | |
| US6691073B1 (en) | Adaptive state space signal separation, discrimination and recovery | |
| CN104423707B (zh) | 使用分段和组合的触觉转换系统 | |
| JP2005258440A (ja) | 別個の信号の成分を分離する方法およびシステム | |
| WO2015065682A1 (en) | Selective audio source enhancement | |
| EP1978779A2 (en) | Microphone unit, close-talking voice input device, information processing system, and method of manufacturing microphone unit | |
| CN109565286A (zh) | 数字过采样传感器系统、装置和方法中的时间延迟 | |
| JPH10320008A (ja) | 複合被駆動システムの効率的合成 | |
| EP1088394B1 (en) | Adaptive state space signal separation, discrimination and recovery architectures and their adaptations for use in dynamic environments | |
| Spriet et al. | Robustness analysis of GSVD based optimal filtering and generalized sidelobe canceller for hearing aid applications | |
| Mackie et al. | Directional acoustic response of a silicon disc‐based microelectromechanical systems structure | |
| CN114080819B (zh) | 人工耳蜗 | |
| US12041439B2 (en) | Preventing eavesdropping resources from acquiring unauthorized data via mechanically excitable sensors | |
| Andreou et al. | Heterogeneous integration of biomimetic acoustic microsystems | |
| Girod et al. | An overview of the use of remote embedded sensors for audio acquisition and processing | |
| Liechti | Equivalent electrical circuits for electroacoustic MEMS design: A review | |
| Hsu | Low-power silicon microphone and sound recognition system | |
| Cinanni | Simulation of horn driver response by direct combination of compression driver frequency response and horn FEA | |
| Bakhoum et al. | Advanced optical microphone | |
| Zwyssig | Digital microphone array-design, implementation and speech recognition experiments | |
| CN116939467A (zh) | 一种测量扬声器参数的方法、装置、设备及存储介质 | |
| KR20100025140A (ko) | 2개의 마이크를 사용한 음원 분리 방법 | |
| Yin et al. | Exploiting acoustic similarity of propagating paths for audio signal separation | |
| JP2007221651A (ja) | マイクロフォンシステム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050620 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050825 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071204 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20080304 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20080414 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080603 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090630 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20090929 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20091109 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100104 |
|
| 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: 20100223 |
|
| 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: 20100311 |
|
| 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: 20130319 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130319 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140319 Year of fee payment: 4 |
|
| LAPS | Cancellation because of no payment of annual fees |