JP4769238B2 - 信号分離装置、信号分離方法、プログラム及び記録媒体 - Google Patents
信号分離装置、信号分離方法、プログラム及び記録媒体 Download PDFInfo
- Publication number
- JP4769238B2 JP4769238B2 JP2007218612A JP2007218612A JP4769238B2 JP 4769238 B2 JP4769238 B2 JP 4769238B2 JP 2007218612 A JP2007218612 A JP 2007218612A JP 2007218612 A JP2007218612 A JP 2007218612A JP 4769238 B2 JP4769238 B2 JP 4769238B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- unit
- frequency
- class
- permutation
- 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.)
- Active
Links
Landscapes
- Obtaining Desirable Characteristics In Audible-Bandwidth Transducers (AREA)
- Circuit For Audible Band Transducer (AREA)
Description
まず、ブラインド信号分離の定式化を行う。扱う信号はあるサンプリング周波数fsでサンプリングされ、離散的に表現されるものとする。また、N個の信号が混合されてM個のセンサで観測されたとする。以下では、信号の発生源からセンサまでの距離により信号が減衰・遅延し、また壁や床などによる反射/残響が発生する状況を扱う。このような状況での混合は、源信号sn(t)(n=1,...,N)を発した信号源nからセンサm(m=1,...,M)へのインパルス応答hmn(r)による畳み込み混合
畳み込み混合の問題は扱いが繁雑である。よって、上述の式(1)に短時間離散フーリエ変換(DFT: Discrete Fourier Transform)を施して、信号を周波数領域に変換した上で分離の操作を行うことが有効である。上述の式(1)に短時間離散フーリエ変換を適用して周波数毎の時間系列を求めると以下のようになる。
ブラインド信号分離法の一つにスパース性に基づいて信号分離を行う方法がある(例えば、特許文献1等参照)。このスパース性に基づく信号分離の場合、信号源の数Nとセンサの数Mの関係にかかわらず(M≧2であればN>MでもN≦Mでも良い)、同一の仕組みにより分離の処理が可能である。これは独立成分分析(ICA: Independent Component Analysis)を用いたブラインド信号分離(例えば、特許文献2、非特許文献5等参照)と対比される。ICAを用いる場合には、信号源の数Nがセンサの数Mを超えない(N≦M)ことが強く望まれる。これに対して、スパース性に基づく信号分離では、センサの数に関する要求条件がより緩くなっており、より広い適用範囲が見込まれる。
X(f,τ)=Hp(f)・Sp(f,τ) …(5)
と近似表現できる。ここで添字pは、時間周波数(f,τ)に依存したものとなる。ほとんどの場合において信号源の振幅が零に近いため、個々の時間周波数(f,τ)において最も振幅の大きい源信号Sp(f,τ)に関わる項だけで、式(4)が近似されている。
クラス分類或いは事後確率計算の方法として、信号源の方向や位置に相当する値を推定し、それに基づいてすべての時間周波数(f,τ)に関する観測信号ベクトルX(f,τ)を一気にクラス分類したり事後確率計算したりする方法が提案されている(例えば、特許文献1、特許文献3、非特許文献1、非特許文献2、非特許文献3等参照)。これらの方法では、1)信号源毎に推定された方向や位置に相当する値に従って、すべての時間周波数(f,τ)に関する観測信号ベクトルX(f,τ)をN個のクラスに分類したり事後確率を計算したりするプロセスと、2)分類された観測信号を元に、方向や位置に相当する値を信号源毎に再推定するプロセスとを行う。これらは、反射や残響の影響が比較的少ない場合には有効に働く。
まず、本形態の信号分離の原理について説明する。
vn f(τ)= P(Cn(f)|X(f,τ)) …(9)
の類似度を求め、同一の源信号に対応するアクティブ系列間の類似度が最も大きくなると仮定してパーミュテーション問題を解決する。
<信号分離装置の構成>
図1は、本形態の信号分離装置10の機能構成の全体を例示したブロック図である。また、図2(a)は、図1に示したクラス分類部120の機能構成の詳細を例示したブロック図である。また、図2(b)は、図1に示したパーミュテーション問題解決部130の機能構成の詳細を例示したブロック図である。また、図3は、図2(b)のクラスタリング部132の機能構成の詳細を例示したブロック図である。また、図4は、本形態の信号分離装置10を構成するハードウェアの構成を例示したブロック図である。なお、各図において、実線の矢印はデータの流れを示し、点線の矢印は論理的な情報の流れを示す。しかし、制御部160やメモリ170等、一部の構成に対するデータの流れの表記は省略する。
図4に例示するように、この例の信号分離装置10は、CPU(Central Processing Unit)10a、入力部10b、出力部10c、補助記憶装置10f、RAM(Random Access Memory)10d、ROM(Read Only Memory)10e及びバス10gを有している。
この例のCPU10aは、読み込まれたOS(Operating System)プログラムに従い、補助記憶装置10fの信号分離プログラム領域10faに格納されている信号分離プログラムを、RAM10dの信号分離プログラム領域10daに書き込む。同様にCPU10aは、補助記憶装置10fのデータ領域10fbに格納されている時間領域の混合信号等の各種データをRAM10dのデータ領域10dbに書き込む。さらに、CPU10aは、この信号分離プログラムや各種データが書き込まれたRAM10d上のアドレスをレジスタ10acに格納する。そして、CPU10aの制御部10aaは、レジスタ10acに格納されたこれらのアドレスを順次読み出し、読み出したアドレスが示すRAM10d上の領域からプログラムやデータを読み出し、そのプログラムが示す演算を演算部10abに順次実行させ、その演算結果をレジスタ10acに格納していく。
図5は、本形態の信号分離方法の全体を説明するためのフローチャートである。また、図6は、図5のクラス分類過程(ステップS2)の詳細を説明するためのフローチャートである。また、図7(a)は、図5のパーミュテーション問題解決過程(ステップS3)の詳細を説明するためのフローチャートであり、図7(b)は、図7(a)のクラスタリング過程(ステップS22)の詳細を説明するためのフローチャートである。また、図8(a)は、図7(b)の大域的最適化過程(ステップS31)の詳細を説明するためのフローチャートであり、図8(b)は、図7(b)の局所的最適化過程(ステップS32)の詳細を説明するためのフローチャートである。以下、これらの図を用い、本形態の信号分離方法を説明する。なお、各演算は、制御部160の制御のもと実行される。また、明示しないか限り、各演算過程で生成された演算結果は逐一メモリ170に格納され、必要に応じて読み出されて他の演算に用いられる。
まず、源信号の混合信号がM(M≧2)箇所のセンサでそれぞれ観測されて得られた観測信号xm(t)(m=1,...,M、tは時刻)が信号分離装置10(図1)のメモリ100の記憶領域101に格納される。なお、観測信号xm(t)は、サンプリング周波数fsでサンプリングされた離散値である。
周波数領域変換過程(ステップS1)は、例えば、式(2)に従った短時間フーリエ変換によって行う。
本形態のクラス分類過程では、クラスCn(f)の代表ベクトルであるセントロイドan(f)と観測信号ベクトルX(f,τ)との距離に基づいて事後確率のモデルP(Cn(f)|X(f,τ), θ(f))(θ(f)はパラメータ集合)を生成し、事後確率P(Cn(f)|X(f,τ), θ(f))の計算とパラメータ集合θ(f)の推定とを、所定の終了条件を満たすまで交互に繰り返し、事後確率P(Cn(f)|X(f,τ))を求める。
p(X(f,τ)|θ(f))=Σn=1 Nαn(f)・p(X(f,τ)|an(f),σn(f)) …(12)
と表現される。
Στ Tlog p(X(f,τ)|θ(f))=Στ TlogΣn=1 Nαn(f)・p(X(f,τ)|an(f),σn(f))
を最大化するパラメータ集合θ(f)を求めるが、この形では、対数の中に確率密度関数p(X(f,τ)|an(f),σn(f))の和が含まれているため、計算が困難となる。そこで、本形態では、EMアルゴリズム(例えば、「汪金芳,田栗正章,手塚集,樺島祥介,上田修功,「計算統計I確率計算の新しい手法」,統計科学のフロンティア11,ISBN4-00-006851-2」等参照)を用いてパラメータ推定を行う。EMアルゴリズムでは、対数尤度の代わりにいわゆるQ関数
Q(f,θ(f))=Στ TΣn=1 N {P(Cn(f)|X(f,τ),θ(f))・logαn(f)・p(X(f,τ)|an(f),σn(f))} …(13)
を最大化するパラメータ集合θ(f)を求める。ここで、P(Cn(f)|X(f,τ),θ(f))は、観測信号ベクトルX(f,τ)を周波数f毎に独立にクラスタリングした場合に観測信号ベクトルX(f,τ)が属するクラスがCn(f)となる事象の、観測信号ベクトルX(f,τ)を得た後における事後確率であり、ベイズの定理により、
P(Cn(f)|X(f,τ),θ(f))=αn(f)・p(X(f,τ)|an(f),σn(f))/p(X(f,τ)|θ(f))
…(14)
と書き下せる。
R=Στ T P(Cn(f)|X(f,τ),θ(f))・X(f,τ)・X H(f,τ)
の最大固有値として算出される。また、分散(σn(f))2は、
次に、図7(a)を用い、パーミュテーション問題解決過程(ステップS3)の詳細を説明する。
次に、図7(b)を用い、クラスタリング過程(ステップS22)の詳細について説明する。
次に、大域的最適化過程(ステップS31)の詳細を例示する。
ρ(vk f,cn)= vk f(τ)・cn(τ) …(19)
としてもよい。
次に、図8(b)を用い、局所的最適化過程(ステップS32)の詳細を例示する。
Α(f)={f-3Δf, f-2Δf, f-Δf, f+Δf, f+2Δf, f+3Δf}
として定義できる。ここで、Δf=(1/L)fsは、隣り合う周波数ビン間の周波数の差である。 また、倍音関係にある周波数の集合Ηは、例えば、
Η(f)={round(f/2)-Δf, round(f/2), round(f/2)+Δf, 2f-Δf, 2f, 2f+Δf}
として定義できる。ここで、round(・)は、周波数の集合Fから・に最も近い周波数を意味する。その他、R(f)=A(f)又はR(f)=H(f)とする構成も可能である。
前述のように、並び替え部133は、順列Πfに従い、周波数f毎に事後確率P(Cn(f)|X(f,τ))とクラスCn(f)の番号nとの対応関係を並び替え、事後確率P’(Ck(f)|X(f,τ))を生成する。具体的には、例えば、
P’(Ck(f)|X(f,τ))←P(Cn(f)|X(f,τ))|n=Πf(k), ∀k,f,τ …(24)
に従い、事後確率P’(Ck(f)|X(f,τ))を生成する(パーミュテーション問題解決過程(ステップS3)の説明終わり)。
前述のように、分離過程では、分離部140(図1)が、事後確率P’(Ck(f)|X(f,τ))の大きさを指標とし、クラスCk(f)に属すると判定される周波数領域の観測信号Xm(f,τ)を周波数領域の分離信号Yk(f,τ)として抽出する。例えば、以下に例示する時間周波数マスキングによる方法が、比較的簡単な分離方法となる。なお、m’=1,...,Mであり、観測信号X m’(f,τ)はセンサm’に対応する観測信号である。
最後に、時間領域変換部150が、分離信号Yk(f,τ)を時間領域の分離信号yk(t)に変換する。この処理は、例えば、短時間逆フーリエ変換等によって行う。
次に、本発明の第2実施形態について説明する。
図9は、第1実施形態のクラス分類部120の変形例であるクラス分類部220の機能構成を示したブロック図である。
この変形例では、観測信号ベクトルX(f,τ)のノルムを正規化することなくモデル化部の処理を行う。第1実施形態で述べたように、セントロイドan(f)と観測信号ベクトルX(f,τ)との距離に基づいて事後確率をモデル化する場合、サンプルである観測信号ベクトルX(f,τ)のノルムが正規化されていないと事後確率P(Cn(f)|X(f,τ))の推定精度が低下してしまう。しかし、高い推定精度が要求されない用途に用いる場合や観測信号ベクトルX(f,τ)のノルムが安定している場合などには、クラス分類過程での観測信号ベクトルX(f,τ)のノルムの正規化を省略してもよい。
|XH(f,τ)・an(f)|/(‖X(f,τ)‖・‖an(f)‖) …(26)
を用い、前述の式(11)の替わりに、
この変形例では、第1実施形態のモデル化部122のように最尤推定によって事後確率P(Cn(f)|X(f,τ))を推定するのではなく、よく知られたK-means法によって観測信号ベクトルX(f,τ)をクラスタリングして各観測信号ベクトルX(f,τ)が属するクラスCn(f)を1つずつ推定する。そして、観測信号ベクトルX(f,τ)がクラスCn(f)に属する場合の事後確率P(Cn(f)|X(f,τ))を1とし、観測信号ベクトルX(f,τ)がクラスCn(f)に属しない場合の事後確率P(Cn(f)|X(f,τ))を0とする。すなわち、この場合の事後確率P(Cn(f)|X(f,τ))は0と1のみをとる。
P(Cn(f)|X(f,τ))=1 (if n=B)
P(Cn(f)|X(f,τ))=0 (if n≠B)
として、事後確率を算出してメモリ170に格納する(事後確率計算過程/ステップS63)。
R=Στ T P(Cn(f)|X(f,τ))・X(f,τ)・X H(f,τ)
の最大固有値としてセントロイドcn(f)が算出される。
cosθ=|XH(f,τ)・cB(f)|/(‖X(f,τ)‖・‖cB(f)‖) …(28)
が最も近いセントロイドcB(f)を選択し、
P(Cn(f)|X(f,τ))=1 (if n=B)
P(Cn(f)|X(f,τ))=0 (if n≠B)
として、事後確率を算出してメモリ170に格納する。
次に、本発明の第3実施形態について説明する。
図14(a)は、第1実施形態のクラスタリング部132(図3)の変形例であるクラスタリング部232の機能構成を示したブロック図である。
図14(b)は、第1実施形態のクラスタリング部132(図3)の変形例であるクラスタリング部332の機能構成を示したブロック図である。また、図15は、クラスタリング部332の局所的最適化部332bが行う局所的最適化過程を説明するためのフローチャートである。
第1実施形態のクラスタリング部132は、各信号源に対応するセントロイドcn(τ)とアクティブ系列vn f(τ)との類似度を指標とすることで、異なる周波数f∈Fの組合せに対応するアクティブ系列vn f(τ)間の類似度を間接的に指標として用い、順列Πfを生成していた。
図19及び図20は、音声信号を対象として第1実施形態の信号分離を行った場合のスペクトログラムとクラス分類結果とを示した図である。なお、各図の横軸は時間であり、縦軸は周波数である。また、図19(a)に示すN=3個の源信号Sn(f,τ)(n=1,2,3)が混ざり合い、その結果、図19(b)に示すM=2個のセンサでの観測信号Xm(f,τ)(m=1,2)が得られた場合を例示する。
次に、第1実施形態の効果を示すために、図21(a)に示す実験条件と図21(b)に示す3つのマイクロホンと4つのスピーカの配置を用いて実験を行った。4つの音を同時に鳴らした時の混合音を3つのマイクロホンで観測し、その観測信号のみからそれぞれの音に対応する分離信号を算出するという問題設定である。様々な音声信号の組合せで評価できるように、スピーカからマイクロホンまでのインパルス応答を測定し、音声信号をインパルス応答に畳み込んで混合することで観測信号を生成した。分離性能は、signal-to-interference ratio(SIR)の改善量で評価した。これは、各出力i毎に、出力SIRと入力SIRの差OutputSIRi-InputSIRiとして計算される。入力SIRと出力SIRは、それぞれ以下の式で計算される。
なお、本発明は上述の各実施形態に限定されるものではない。例えば、上述の各種初期パラメータの設定(ステップS41等)には観測信号ベクトルを用いることとしたが、初期パラメータを固定値とする構成であってもよい。
Claims (10)
- 源信号の混合信号がM(M≧2)箇所のセンサでそれぞれ観測されて得られた観測信号xm(t)(m=1,...,M、tは時間)を、周波数領域の観測信号Xm(f,τ)(fは周波数、τは時間インデックス)に変換する周波数領域変換部と、
周波数領域の観測信号Xm(f,τ)を要素とする観測信号ベクトルX(f,τ)=[X1(f,τ),...,XM(f,τ)]Tを周波数f毎に独立にクラスタリングした場合に観測信号ベクトルX(f,τ)が属するクラスがCn(f) (n=1,...,N、N≧1)となる事象の事後確率P(Cn(f)|X(f,τ))を算出するクラス分類部と、
対応する周波数fが異なる上記事後確率P(Cn(f)|X(f,τ))間の類似度を指標として、上記事後確率P(Cn(f)|X(f,τ))と上記クラスCn(f)の番号nとの対応関係を並び替え、対応するクラスの番号が同一であって周波数が異なる事後確率間の類似度の総和が当該並び替え前よりも大きな事後確率P’(Ck(f)|X(f,τ)) (k=1,...,N)を生成するパーミュテーション問題解決部と、
上記パーミュテーション問題解決部で生成された上記事後確率P’(Ck(f)|X(f,τ))の大きさを指標とし、クラスCk(f)に属すると判定される上記周波数領域の観測信号Xm(f,τ)を周波数領域の分離信号Yn(f,τ)として抽出する分離部と、
を有することを特徴とする信号分離装置。 - 請求項1に記載の信号分離装置であって、
上記クラス分類部は、
クラスCn(f)に属する観測信号ベクトルX(f,τ)の代表ベクトルをセントロイドan(f)とし、クラスCn(f)に属する観測信号ベクトルX(f,τ)の標準偏差をσn(f)とし、観測信号ベクトルX(f,τ)がクラスCn(f)に属する事象の確率密度関数をp(X(f,τ)|an(f),σn(f))とし、p(X(f,τ)|an(f),σn(f))の混合比をαn(f)とし、パラメータ集合θ(f)={a1(f),σ1(f),α1(f),...,aN(f),σN(f),αN(f)}とし、p(X(f,τ)|θ(f))=Σn=1 Nαn(f)・p(X(f,τ)|an(f),σn(f))とした場合における、事後確率P(Cn(f)|X(f,τ),θ(f))=αn(f)・p(X(f,τ)|an(f),σn(f))/p(X(f,τ)|θ(f))を、上記パラメータ集合θ(f)を固定値として各観測信号ベクトルX(f,τ)について算出する事後確率計算部と、
各観測信号ベクトルX(f,τ)に対応するΣn=1 N {P(Cn(f)|X(f,τ),θ(f))・logαn(f)・p(X(f,τ)|an(f),σn(f))}を周波数f毎に独立に加算したQ(f,θ(f))がそれぞれ最大となるパラメータ集合θ(f)を、事後確率P(Cn(f)|X(f,τ),θ(f))を固定値として算出するパラメータ推定部と、
所定の終了条件を満たすまで上記事後確率計算部の処理と上記パラメータ推定部の処理とを交互に実行させる第1演算制御部と、を有し、
上記事後確率P(Cn(f)|X(f,τ))は、
上記終了条件を満たした際に事後確率計算部で算出されていた最新の事後確率P(Cn(f)|X(f,τ),θ(f))である、
ことを特徴とする信号分離装置。 - 請求項1又は2に記載の信号分離装置であって、
上記パーミュテーション問題解決部は、
対応する周波数fが異なる事後確率P(Cn(f)|X(f,τ))間の類似度を指標として、上記事後確率P(Cn(f)|X(f,τ))と上記クラスCn(f)の番号nとの対応関係を並び替える順列Πfを周波数f毎に生成するクラスタリング部と、
上記クラスタリング部で生成された順列Πfに従い、周波数f毎に上記事後確率P(Cn(f)|X(f,τ))と上記クラスCn(f)の番号nとの対応関係を並び替え、上記事後確率P’(Ck(f)|X(f,τ))を生成する並び替え部と、
を有することを特徴とする信号分離装置。 - 請求項3に記載の信号分離装置であって、
上記クラスタリング部は、
取り扱う全周波数の集合をFとした場合における、すべての異なる周波数f∈Fの組合せに対応する事後確率P(Cn(f)|X(f,τ))間の類似度を指標とし、上記事後確率P(Cn(f)|X(f,τ))と上記クラスCn(f)の番号nとの対応関係を並び替える順列Πfを周波数f毎に生成する大域的最適化部を有する、
ことを特徴とする信号分離装置。 - 請求項4に記載の信号分離装置であって、
上記大域的最適化部は、
上記順列Πfに従って周波数f毎に上記事後確率P(Cn(f)|X(f,τ))と上記クラスCn(f)の番号nとの対応関係を並び替えた事後確率P’(Ck(f)|X(f,τ))の周波数方向の平均値又は代表値をセントロイドck(τ)として算出するセントロイド算出部と、
上記事後確率P(Cn(f)|X(f,τ))とセントロイドcn(τ)との類似度を指標とし、上記順列Πfを周波数f毎に生成する順列生成部と、
所定の終了条件を満たすまでセントロイド算出部の処理と上記順列生成部の処理とを交互に実行させる第2演算制御部と、
を有することを特徴とする信号分離装置。 - 請求項4又は5に記載の信号分離装置であって、
上記クラスタリング部は、
対応する周波数f∈Fが異なる事後確率P(Cn(f)|X(f,τ))間の類似度のうち、特定の周波数の組合せに対応する事後確率間の類似度のみを指標として用い、上記大域的最適化部で生成された順列Πfを更新し、新たな順列Πfを生成する局所的最適化部を更に有する、
ことを特徴とする信号分離装置。 - 請求項6に記載の信号分離装置であって、
上記特定の周波数の組合せは、
周波数差が所定範囲内にある周波数の組合せ、及び/又は、倍音関係にある周波数の組合せである、
ことを特徴とする信号分離装置。 - 周波数領域変換部が、源信号の混合信号がM(M≧2)箇所のセンサでそれぞれ観測されて得られた観測信号xm(t)(m=1,...,M、tは時間)を、周波数領域の観測信号Xm(f,τ)(fは周波数、τは時間インデックス)に変換する周波数領域変換過程と、
クラス分類部が、周波数領域の観測信号Xm(f,τ)を要素とする観測信号ベクトルX(f,τ)=[X1(f,τ),...,XM(f,τ)]Tを周波数f毎に独立にクラスタリングした場合に観測信号ベクトルX(f,τ)が属するクラスがCn(f) (n=1,...,N、N≧1)となる事象の事後確率P(Cn(f)|X(f,τ))を算出するクラス分類過程と、
パーミュテーション問題解決部が、対応する周波数fが異なる上記事後確率P(Cn(f)|X(f,τ))間の類似度を指標として、上記事後確率P(Cn(f)|X(f,τ))と上記クラスCn(f)の番号nとの対応関係を並び替え、対応するクラスの番号が同一であって周波数が異なる事後確率間の類似度の総和が当該並び替え前よりも大きな事後確率P’(Ck(f)|X(f,τ)) (k=1,...,N)を生成するパーミュテーション問題解決過程と、
分離部が、上記周波数領域の観測信号Xm(f,τ)と上記パーミュテーション問題解決部で生成された上記事後確率P’(Ck(f)|X(f,τ))とを用い、周波数領域の分離信号Yn(f,τ)を抽出する分離過程と、
を有することを特徴とする信号分離方法。 - 請求項1から7の何れかに記載の信号分離装置としてコンピュータを機能させるためのプログラム。
- 請求項9に記載のプログラムを格納したコンピュータ読取り可能な記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007218612A JP4769238B2 (ja) | 2007-08-24 | 2007-08-24 | 信号分離装置、信号分離方法、プログラム及び記録媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007218612A JP4769238B2 (ja) | 2007-08-24 | 2007-08-24 | 信号分離装置、信号分離方法、プログラム及び記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009053349A JP2009053349A (ja) | 2009-03-12 |
JP4769238B2 true JP4769238B2 (ja) | 2011-09-07 |
Family
ID=40504498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007218612A Active JP4769238B2 (ja) | 2007-08-24 | 2007-08-24 | 信号分離装置、信号分離方法、プログラム及び記録媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4769238B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104429099A (zh) * | 2012-04-20 | 2015-03-18 | 阿尔卡米斯 | 用于控制扬声器的工作温度的方法和装置 |
CN112133321A (zh) * | 2020-09-23 | 2020-12-25 | 青岛科技大学 | 一种基于盲源分离的水声信号高斯/非高斯噪声抑制方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6059072B2 (ja) * | 2013-04-24 | 2017-01-11 | 日本電信電話株式会社 | モデル推定装置、音源分離装置、モデル推定方法、音源分離方法及びプログラム |
EP2830043A3 (en) * | 2013-07-22 | 2015-02-18 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Method for Processing an Audio Signal in accordance with a Room Impulse Response, Signal Processing Unit, Audio Encoder, Audio Decoder, and Binaural Renderer |
JP6290803B2 (ja) * | 2015-02-24 | 2018-03-07 | 日本電信電話株式会社 | モデル推定装置、目的音強調装置、モデル推定方法及びモデル推定プログラム |
KR101750017B1 (ko) * | 2015-11-05 | 2017-06-23 | 중앙대학교 산학협력단 | 무선 이미지 센서 네트워크를 위한 k-평균 클러스터링 기반의 데이터 압축 시스템 및 방법 |
CN113345456B (zh) * | 2021-05-31 | 2023-06-06 | 北京小米移动软件有限公司 | 回声分离方法、装置及存储介质 |
-
2007
- 2007-08-24 JP JP2007218612A patent/JP4769238B2/ja active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104429099A (zh) * | 2012-04-20 | 2015-03-18 | 阿尔卡米斯 | 用于控制扬声器的工作温度的方法和装置 |
CN112133321A (zh) * | 2020-09-23 | 2020-12-25 | 青岛科技大学 | 一种基于盲源分离的水声信号高斯/非高斯噪声抑制方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2009053349A (ja) | 2009-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11900947B2 (en) | Method and system for automatically diarising a sound recording | |
EP3479377B1 (en) | Speech recognition | |
JP4769238B2 (ja) | 信号分離装置、信号分離方法、プログラム及び記録媒体 | |
JP3949150B2 (ja) | 信号分離方法、信号分離装置、信号分離プログラム及び記録媒体 | |
Arberet et al. | A robust method to count and locate audio sources in a multichannel underdetermined mixture | |
US9601119B2 (en) | Systems and methods for segmenting and/or classifying an audio signal from transformed audio information | |
JPWO2006085537A1 (ja) | 信号分離装置、信号分離方法、信号分離プログラム及び記録媒体 | |
US9437208B2 (en) | General sound decomposition models | |
JP6195548B2 (ja) | 信号解析装置、方法、及びプログラム | |
Jasa et al. | Nested sampling applied in Bayesian room-acoustics decay analysis | |
JP6538624B2 (ja) | 信号処理装置、信号処理方法および信号処理プログラム | |
JP5994639B2 (ja) | 有音区間検出装置、有音区間検出方法、及び有音区間検出プログラム | |
JP5974901B2 (ja) | 有音区間分類装置、有音区間分類方法、及び有音区間分類プログラム | |
CN110992977B (zh) | 一种目标声源的提取方法及装置 | |
JP6973254B2 (ja) | 信号分析装置、信号分析方法および信号分析プログラム | |
JP4630203B2 (ja) | 信号分離装置、信号分離方法、信号分離プログラム及び記録媒体、並びに、信号到来方向推定装置、信号到来方向推定方法、信号到来方向推定プログラム及び記録媒体 | |
Shah et al. | Inferring room semantics using acoustic monitoring | |
Cipli et al. | Multi-class acoustic event classification of hydrophone data | |
Kim et al. | A subspace approach based on embedded prewhitening for voice activity detection | |
JP6734237B2 (ja) | 目的音源推定装置、目的音源推定方法及び目的音源推定プログラム | |
JP6114053B2 (ja) | 音源分離装置、音源分離方法、およびプログラム | |
Gburrek et al. | On source-microphone distance estimation using convolutional recurrent neural networks | |
Adiloğlu et al. | A general variational Bayesian framework for robust feature extraction in multisource recordings | |
JP4676920B2 (ja) | 信号分離装置、信号分離方法、信号分離プログラム及び記録媒体 | |
JP6915579B2 (ja) | 信号分析装置、信号分析方法および信号分析プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090729 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110519 |
|
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: 20110607 |
|
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: 20110617 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4769238 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140624 Year of fee payment: 3 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |