JPH05501166A - 信号認識システムと方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるため要約のデータは記録されません。

Description

【発明の詳細な説明】 信号認識システムと方法 １１立１遣 本発明は、信号を認識するための装置と方法、特に特徴ベクトルを生々するべく サンプリングされた信号値の統計的モーメントを用いることにより信号を認識す るための装置及び方法、ならびにその信号を予め定められた信号データベースと 比較し信号データベースを誘導するための特徴ベクトルの量子化に関する。

本発明は音楽といった放送信号を認識するためのシステムに関して以下に記述す るが、この利用分野の教示は。

信号！！＊の分野における広範な領域に対して適用可能であることを理解された い。

放送信号の正確な認識は、マーケティングの管理者、ロイヤルテイ集金会社、音 楽プロモータなどにとって重要なことである。さまざまな法ｔＩＬ、＆Ｉ済およ び社会的事業が放送情報の定期的監視を必要としているということは周知の事実 である。このような必要条件は全てどんな情報がいつ放送されるかといった成る 種の情報に対して共通のニーズを共有している。先行技術においては、放送局は 、放送番組を物理的に監視しどの情報が何時放送されたかを手で作表する複数の 聴取者によって手作業で監視された。信頼性とコストの問題によって、自動化さ れた放送信号認識システムを実現する方向に向けての努力が刺激された。最初の 自動化された方法としては、各々の歌の中の独自のキュー信号をコード化し次に このキュー信号を検出すべく各放送局を監視するというものがあった。しかしな がら、付随するコード化及び復号用回路は高価でかつＩ［Ｉｌなものであり、政 府の取締り機関は、独自のキュー信号を大量に提供するのに必要な付加的な帯域 幅を提供することに反対である。

自動化された放送信号認識の分野におけるもう１つの進歩はムーン（Ｍｏｏｎ） 他による米国特許ｊ［３，９１９，４７９号に開示されている。Ｍｏｏｎ他にお いては、基準ライブラリ内に記憶される基準信号セグメントを提供すべく１つの 可聴信号がデジタル式にサンプリングされる。次にこの可聴信号が放送されると 、その連続する部分がデジタル化されライブラリ内の基準セグメントと比較され る。この比較は、相関関数信号を生成する相関プロセスにおいて行なわれる。基 憔及び放送信号セグメントが同一でない場合、比較的小さな振幅の相関関数が結 果として得られる。一方基準及び放送信号セグメントが比較的同一である場合、 大きな相関関数が生成される。

相関関数信号の振幅は、この振幅が予め定められたＷＡ値レベルを超えた時点で 認識信号を与えるべく検知される。

しかしながらＭ　ｏ　ｏ　ｎ他の単一セグメント相関システムは、システムを全 て無効化しろる信号のドロップアウトを受ける。同様にＭ　ｏ　ｏ　ｎ他のシス テムは比較的、放送情報自体の時間軸変動を受けやすい０例えば、数多くのディ スクジョツキ−が駆動機構のスピードアップによって放送歌を「圧縮」している ということが知られて０る。同様に、その他のディスクジョツキ−が聴衆の中で 成る種の望ましい効果を生み出すため放送情報を定期的に「圧縮」及び／又は「 引伸ばし」していることも知られている。Ｍ　ｏ　ｏ　ｎ他は、放送信号をエン ベロープ検出し著しく低い好ましくは可視下の周波数信号成分をもつエンベロー プ信号を提供することによって放送信号の帯域幅を減少させることによりこのよ うな時間軸変動を克服しようとしている。可聴下周波数でのエンベロープ信号が 相関プロセス中に用いられる場合、デジタルサンプリングを受けた波形は時間軸 変動に対する感度がさらに低いということがわかっている。しかしながら、この ような解決法によって達成されうる改良はきわめて制限されたものであり、少量 の「圧縮」又は［引伸ばし」を受けた放送信号に対してのみ有効となる。さらに このような解決法は高いフォールスアラーム率を受ける。これらの欠点から、Ｍ 　ｏ　ｏ　ｎ他のシステムは、高速で精確かつ低価格の自動放送信号認識システ ムにとっては望ましく為ものではない。

自動信号ｆｆ、　Ｉｍ分野におけるもう１つの進歩は、ケニイオン（Ｋｅｒ＋ｙ ｏｎ）他による米国特許ｊ！４，４５０．５３１号に開示されている。同じＫｅ ｎｙｏｎ氏は、当該出願の単独発明者であり、　１５３１号特許の教示はこの出 願に参考として内含される。　１５３１号特許のシステムは、単一セグメント相 関システムの信頼性の問題及び先行技術によるシステムがもつ時間軸変動の問題 にうまく対処している。　１５３１号特許においては、複数の基準信号セグメン トが、プログラム里位（歌）から抽出され、デジタル化され、フーリエ変換され 、周波数領域複合スペクトルの中の１基準ライブラリ内に記憶される。受けとら れた放送信号は次に、識別のための安定した特性をもつ音声スペクトルの周波数 部分を選定するべく予めろ過される。さらなるろ過及びデジタル信号への変換の 後、放送信号はフーリエ変換され、ベクトル積を得るべく基準信号セグメントと の虚数乗法プロセスを受ける。虚数乗法プロセスの結果は次に逆フーリエ変換段 階に付され、周波数から時間領域へと変換された相関関数を得る。この相関関数 は次に正規化され、各セグメントに対する相関ピークが選定され、ピーク間隔は セグメント長と比較される。同時に、相関ピークセグメントと一致するセグメン トのＲＭＳ電力は、セグメントの動力点パターンを決定すべく検知される。従っ て、　″５３１号特許は、複数の相関セグメントを提供し相関ピークの間の距離 を測定することにより、虫−セグメント相関システムの欠点を克服する。距離が 符号する場合、放送信号は基信ライブラリ内に記憶されている信号セグメントと 類似するものであるとして宣言される。さらに、ＲＭＳ値比較は。

信号セグメントを用いて行なわれた分類を確認するように機能する。

時間軸変動の問題を克服するために、　１５３１号特許は放送情報のためのエン ベロープ検出器及び帯域フィルタを使用している。しかしながら　１５３１号特 許に従ったシステムは、計算上きわめて要求条件の多いものである。例えば、さ まざまな多重セグメントの相関を行なうためには、多大なコンピュータ出方が必 要である。多数のセグメントがサンプリングされることから、　＋５３１号特許 に従ったシステムは、時間を多くとり、又高価で強力なコンピュータの使用を必 要とする可能性がある。

音声パターン総員に対する自動化されたアプローチは、す：＋ｚ（Ｓａｋｏｅ） による米国特許第４．　２８２．　４０３号において開示されている。５ａｋｏ ｅは、パターン特徴ベクトルの時間シーケンス入力が基準ライブラリ内に六カさ れる、１つの音声認識システムを開示している。受けとら九た音声信号は次−二 、そ九ぞれのサンプリング例における音冑音の特徴を表わすベクトルの時間シー ケンスの形に変換されるように、スペクトル解析、サンプリング及びデジタル化 を受ける。数本のチャンネルの特賞ベクトルの使用により各々の基憔パターンに ついて１つの時間ねし孔関数を使用することが可能である。

各々の基準パターン特徴ベクトルのための時間ねじれ関数は、入カバターン特徴 ベクトルと基準パターン特徴ベクトルを相関するために用いられる。入力パター ン特徴ベクトルシーケンスは次に１ｇ！ｉ′さ九た言葉を識別する目的で、タイ ムワービング関数を基準にして、基準パターン特徴ベクトルシーケンスと比較さ れる。しかしながら５ａｋｏｅのシステムは、入力信号ではなく基準パターンの 時間をねじり、従って、各基準パターンについて複数のパターンが計算されかく してシステムの記憶及び計算上の需要を増大させなくてはならない。

もう１つの信号認識システムはバンク（Ｂｕｎｇｅ）による米国特許第４，４３ ２，０９６号に開示されている。Ｂｕｎｇｅにおいては、音又は音声信号は電気 信号に変換され、フィルタバンク内の複数のスペクトル成分にｉ分される。これ らの成分は次に、信号の短時間スペクトルを生成すべく短い時間にわたり積分さ れる。信号のスペクトル成分は、短時間スペクトルが関連するパターン検出器内 で調整されたパターンに一致する場合にのみ出力信号を適用するような一定数の パターン検出器に対して適用される。各々のパターン検出器は、調整可能な閾値 の間に適用された入力が存在する場合に１つの信号を供給する２つの１ＩＩＩ値 検出器を有している。従って、パターン検出器は、全ての閾値検出器が活化され た場合にのみ出力信号を供給する。各々の音冑音について１っのパターン検出器 が提供される。一連の音と認識する場合、出力信号をうまく生成したパターン検 出器のアドレスシリーズが記憶され、次にコンピュータに適用されて比較される 。このようなシステムが一定数のパターン検出器及び相応する強力な計算装置を 必要とすることは。

直ちにわかる。さらに、Ｂｕｎｇｅシステムは１時間軸変動に対する感度が比較 的低い低周波出力信号を提供するフィルタバンクを使用する一方で、なお時間ひ ずみの問題及び高いフォールスアラーム率を有している。

最近商品化された自動放送信号認識システムは、ケニイオン（Ｋｅｎｙｏｎ）他 による米国特許ｊ１４，８４３゜５６２号に開示されている。ここでもこのＫｅ ｎｙｏｎ氏は当該出願の単独発明者であり、　２５６２号特許の教示はここに参 考として内含されている、実際、　２５６２号特許からの特定的な教示が本明箱 書の以下部分に内含されている。　１５６２号特許は、より少ないプロセッサ資 源を用いた２段式（粗及びＭ）９票システムを記述している。　２５６２号特許 によると、放送信号は、帯域ろ過され、修正され、低帯域ろ過されて複数の低帯 域幅波形を提供する。波形はサンプリングされ、サンプルは１つの分光写真を生 成するのに用いられ、かかる分光写真は次に、ｊ［１段基準ライブラリ内に記憶 された複数の基準分光写真と比較される。第１段基準分光写真は次に、生成され た分光写真に対するその類似性の順に待ち行列に作成される。次に、待ち行列に された算１段の基準分光写真に相応する複数の第２段基準パターンが、前に設定 さ九た待ち行列作成順で解析された波形の１つと相関される。第２段基準ライブ ラリ内に記憶された各々の第２段基準パターンについて１つの相関値が提供され る。

相関値が閾値を上回ることが見極められると、認識が宣言され、放送信号は、そ の相関値が閾値を上回るｊ！２段基準基準パターン似するものとして分類される 。　Ｉ！２段分類において用いれた解析された波形は、放送信号内の速度変動を 補償するために時間がねじられる。

２５６２号特許に従ったシステムは成功したものではあるが、大量の歌をｌ！識 する能力について幾分かＩｇ限がある７例えば、　２５６２号特許に従ったシス テムは、高い信頼性で垂−チャンネル上で５００曲の歌のいずれでも認識するこ とができる。このシステムは同時に５本の異なるチャンネルを監視できる、しか しながら高い信頼性で５つの同時放送された局の各々上の３０００曲の歌のいず れか１つを識別できるシステムがあればそれは非常に１力ある商業的に成功する 信号認識システムとなるだろう。さらに　１５６２号特許に従ったシステムは、 放送さ几た歌を検出し分類するのに約６４秒を必要とした。

広告といったより持続時間の短い記録の識別を可能にするためには、この時間を ２８秒に減夕させることが望ましい。性能を増大させる一方で　＋５６２号特許 の望ましいコンパクトなアーキテクチャを保持することも重要である。

従って、必要とされるのは、同時にかつ高い信頼性で複数の放送チャンネル上の 大量の持合の放送信号を精確に認識し分類するための改良型システムである。シ ステムは、小型で安価でかつ操作し易いものでなくてはならない。

且ノＬ９」Ｌ里 本発明は、上述の目的を満たしながら同時に既知の自動放送信号認識システムの 欠点を克服するように設計されている。さらに本発明↓よ放送信号の認知だけで はなく広範な信号認識の分野にも利用できる。

本発明人は、　１つの信号が受信され複数のサンプリング点でサンプリングされ て複数の信号値を生成するような改良型信号認識方法を発見した。信号値の統計 的モーメントが、次に以下の式に従って計算される：なお式中　Ｎ：サンプリン グ点の数 ｎ＝１＜ｎ＜Ｎ： Ｘ＝サンプリング点におけるこの信号の信号値μ＝信号値の平均 σ＝信号値の砿準偏差 に＝１より大きい整数 計算された統計モーメントは、複数の記憶された信号＊副情報と比較され、受信 された信号は次に記憶された好ましくは受信された信号は、帯域ろ過、修正及び 低帯域ろ過されて複数の低周波数形を提供する。次にこの低周波数形は、複数の その線形組合せの形に組合せられる。各々の線形組合せは次にサンプリングされ て統計モーメントを計算するのに用いられる複数の信号値を生成する。

好ましくは、各々の線形組合せのサンプリングされた値について、２つの統計モ ーメント［スキュー（歪）及びとがり］が計算される。次に、複数の特徴ベクト ルを誘導することができ、各々の特徴ベクトルは、予め定められたサンプリング 時間内で全ての線形組合せのためのスキュー及びとがり値を含んでいる。

次に、各々の特徴ベクトルは、干め定められた量子化パターンに従って里−の整 数でスキュー及びとがりの浮動小数点を置換することによって量子化されうる。

量子化の後、量子化されたベクトルの加重和は非十進基数を用いて計算できる。

加重和の値はその後、アドレスに従って信号識別情報を記憶するデータベースを アドレスするのに使用できる。

本発明は同様に、受信信号を認識するためにアクセスされる信号データベースを 作成するためのシステムをも提案している。データベースを作成するプロセスは 、上述の信号を認識するためのプロセスに非常に類似している。しかしながら、 目標信号はまず第１に解析されてそのスペクトル的に独特の部分が見極められる 。信号のこのスペクトル的に独特の部分は次に、帯域ろ過され、修正され、低帯 域ろ過されて、複数の線形組合せが誘導される基となる低周波数形を生成する。

スペクトル的に独特の部分の線形組合せは１次に変更サンプリング手順に付され 、こうして各々の線形組合せは移動するウィンドウで何度もサンプリングされる 。サンプリングされた値は次にスキュー及びとがりを計算するのに用いられ、か くして、信号のスペクトル的に独特の部分のための複数の基準特徴ベクトルを生 成する。

複数の特徴ベクトルは、特徴超空間内のベクトルの間の距離を広げることにより その値をより特徴的なものにする目的で量子化される。量子化の手順としては２ つ考えられる。まずｊ［１に、特徴ベクトル信号値母集団を５といった複数のセ グメントに等分する、非並行量子化スキーマを採用することができる。このとき 、各々の特徴ベクトル内のスキュー又はとがりの値がプロットされ、５つの値の うちの１つを割当てられる。かくして、各々のサンプリングされた信号について 複数の量子化されたベクトルが生成される。スキュー又はとがり値が２つの部域 に対して割当てられる複数の重複する部域の形にスキュー及びとがりの信号値母 集団を分割する並行方式の量子化も同様に可能である。各々の特徴ベクトルは次 にプロットされ、各々のキュー又はとがり値が２つの値をとりうることがら２つ の量子化されたベクトルが生成される。２つの量子化された特徴ベクトルは次に 、基準データベースのためのさらなる複数の量子化された特徴ベクトルを提供す るため置換される。

どの量子化スキーマが採用されようとも、好ましくは、非１０進基数を用いて各 々の量子化されたベクトルの加重和が生成される。この加重和は次に、目標信号 の！１Ｉｊ１１１コードが記憶されているもう１つのデータベースの場所を指す １つのポインタが記憶されているデータベースをアクセスするためのアドレスと して月いられる。

の 本発明の有利な特徴は、以下のものを含む添付の図面を参考にして考慮した場合 以下に示す好ましい実施例の記述から容易に理解できることだろう。

図１は、好ましい実施態様に従ったシステムを示すブロックダイヤグラムである 。

図２は、受信信号を４つの異なる周波数帯にろ過する原理を示すブロックダイヤ グラムである。

図３は１図１のプロセッサの中で行なわれる波整形を示す一連の波形を描いてい る。

図４は、プロセッサが生成した４つの特徴シーケンスを示す一連の波形である。

図５は、基準ライブラリを作成するための信号のスペクトル的に独特の部分の並 行方式のサンプリングを示す図である。

図６は、図５において行なわれたサンプリングによって生成された特徴ベクトル を示す。

図７は、一定の与えられた数の量子化レベル及び一定の与えられた数の特徴に対 する独特の個性（アイデンティティ）の数を示すベクトル量子比表である。

図８は、特徴ベクトルの量子化を示す。

図９は、３次元空間内にプロットされた量子化された特徴ベクトルを示している 。

図１０は、重複の無い非均等ベクトル量子化において用いられるとがり値の母集 団密度を示す。

図１１は、図１０の母集団において特徴ベクトル量に量子化された値をいかに割 り当てるかを示している。

図１２は、非均等並行コード化されたベクトルの量子化−二おいて用いられると がり値の母集団密度を示す。

図１３は、図１２の母集団において特徴ベクトル量に量子化された値をいかに割 当てるかを示す。

図１４は、並行コード化されたベクトル量子化スキーマにおいて、特徴ベクトル かいかに量子化されるかを示している。

図１５は、量子化されたベクトルが、１つの信号を識別するためデータベースを アドレスするのに用いられる加重和の形にいかにして変換されるかを示している 。

図１６は、好ましい実施態様に従った方法を示す、最上レベルの流れ図である。

図１７は、統計モーメントの計算方法を示す流れ図である。

図１８は、図１６に従った確認段階を示す流れ図である。

しい　の　ｔ−１ 本発明は　１５６２号特許内に記されているシステムにおける改良に関して以下 に記述さ九るが、当業者であれば本発明の教示が広範な信号総員環境において使 用できるものであることを認識できるだろう０例えば、本発明は音声処理システ ム、音声認識システム、音響通信システムなどにも利用可能である。従って後述 のクレームはこのような同等の信号認識システム全てを＊＊するものとして解釈 されるべきである。

まず篇１に、明確化を目的として本発明の概論が示されている。　＋５６２号特 許は、２段式分類プロセスを用いて放送情報が認識されるような装置及び方法を 記述している。第１段階において、入力信号は第１段ライブラリに比較され、粗 スペクトル解析が行なわれる。第１段の比較は、粗スペクトル解析に従った第１ 段基惰う１′ブラリからの信号識別の待ち行列を生成する。次に、第２のさらに 細かい相関が、第１段で設定された待ち行列作成類で第２段において行なわれる 。本発明は、３１１段の待ち行列における入力数及び認識時間を低減させるため の１１段分類プロセスにおける改良を提案している。実際、本発明は非常に高い 効率を示したため、成る種の信号認識システムについてはｊ！２段無しでも有効 でありうる。

！Ｊ２段解析は入力信号を予備選択し、葉２段で行なわれた計算上要求の多い時 間のねじられた相関の考慮に入れないように多数の候補信号を削除する。３１１ 段の効率を８０％から９０％まで増大できる場合、システムの容量は２倍になる 。本発明のプロトタイプは、フォールスアラームを拒絶する上で９８％以上の効 率を実証した。

従って　＋５６２号特許に従ったシステムにおいて１０倍の改良が達成できる。

＋５３１号特許においては、システムを放送速度の変動及び送信収差に感応しな いものにするための手段を提供しながら信号の符号数の精確な識別を可能にする ように充分な時間−帯域幅の積を維持するような効率の良い慣号認識システムが 開示された。セグメント化された相関として知られているこの技術及び′５３１ 号特許内に記されていたその他の実施の詳箱は、高い信頼性で単一のチャンネル 上の２５曲の歌のいずれかを認識することのできるきわめて好結果のシステムを 提供していた。本発明の目的は、同じような信頼性で５本の同時放送チャンネル の各々の上の６０００の記録された信号のいずれかを識別する能力にある。付加 的なシステム変数調整及びプロトタイプのモデリングは、容量をチャンネル１本 あたりほぼ１００００曲の歌にまで増大させるはずである。

＋５６２号の発明において具現化されたコンセプトの中心になっているのは、線 形時間ねじれ相関として知られている放送速度の変動を補償するための技術であ る。

この技術は、それが、記録の異なる部分から誘導された特徴ベクトルの部分の間 にさらに強い関係を維持するという点で、前述のセグメント相関に比べさらに頑 強なものである。さらに、暗層的′ｔ！Ｐｓ１１手順は、粗アルゴリズムを用い て候補認識を予備選択することにより、利用可能な処理容量を増加させるのに役 立つ。この技術は、明らかに第２段の認識基準をパスしない候補を除外しながら 。

゛　全での信号データベースを走置するのにより少ない計算資源を消費する。第 １段プロセスで受諾可能なもの（Ｉ［′携的には１０％乃至２０％）は、３１１ 段で設定された認識確率順（待ち行列）でｊ［２段の計算上集中的な線形時間ね じれ相関手順によって解析される。システム容量を大幅に増大する他に、　′５ ６２号発明は、基筒パターン持続時間を易前の６４秒から２８秒まで短縮し、コ マーシャ川といったさらに短い持続時間の識別を可能にした。

ここで提案されているシステムに導く技術的アプローチについて個々で説明する 。上述のシステムの目的を考慮すると、２つの開運が浮上する。すなわち、第１ に、１１段の解析のために、さらに独特な特徴ベクトルを提供しなくてはならな い点であり、又ｊ１２に、新しいアーキテクチャは　１５６２号特許に記されて いるアーキテクチャと互換性のあるものでなくてはならないという点である。す なわちｊｌ１段分類プロセスは′５６２号特許で用いられている４つのエンベロ ープ検出された周波数帯の同じセットを受諾しなくてはならない。第１段の分類 子は５１２段の相関予肉で評価されるべきパターン番号でなくてはならない。

有効であるためには竿１段アルゴリズムはパターン間の高い識別を与えながら速 度変動及びその他の収差に寛容である必要がある。フォールスアラーム率は検出 ミスをひき起こすことなく最大限でなくてはならない。実際＄１段分類子は、明 らかに正しくない符号数のみが拒絶されるようにバイヤスされなくてはならない 。これは通常フォールスアラーム率の増大という結果をもたらす。

これらの性能パラメータを両方とも同時に最適化することは困難である。

ベクトル内の特徴数に等しい数の次元をもつ特徴空間を＊ｔするのに１つの特徴 ベクトルを用いることができる。このような特徴空間は［超空間」と呼ぶことが できる。各目標信号の特徴ベクトルはその計算値に従って超空間内に記憶される 。認識中、受信信号から誘導されたベクトルは超空間の特定の部域に記憶された 符号数をもつ単数又は複数の信号を発見すべく超空間を探索するのに用いられる 。超空間は、複数の信号を中に記憶できる複数の「クラスタ」を含んでいてよい 。例えば、類似した信号は、超空間の中で互いに近接して記憶される類似した特 徴ベクトルを生成することができる。超空間内のこのような信号クラスタの間の 間隔がクラスタのサイズとの関係において大きい場合、中にその他の領域の最小 限の重複をもつ超空間内の各々の特徴ベクトルのまわりに確実性領域を提供する ことが可能である。この増大した間隔どりを達成する１つの方法は特徴超空間の 次元の数を増大させることである。各々の特徴の値は超空間内の一座表として処 理される。例えば、図９に示されているように、　３つの特徴が使用される場合 、これらは、三次元空間内の１つの位置を規定する１つの特徴ベクトルを形成す る６次に特徴ベクトルが量子化されると（検出された特徴値に基づいて特定のカ テゴリに割当てられると）、各々の成分は１例えば５といった一定数の離散値の １つを受けることができる。このとき、空間は離散的場所を１２５含むことにな る６　１つの信号識別コードが各々の場所に割当てられ次に受信信号から同じ特 徴を抽出し量子化することが可能である場合、特徴ベクトルを三次元空間内の同 じ場所にマツピングすることができ。

又適切な信号識別子を検索することができる。こうして、そのベクトル値が量子 化後唯−のものである場合１２５の信号に対し唯一のアクセスが可能となる。残 念なことに、測定される特徴は唯一のものではない。複数の異なる信号が同じ特 徴ベクトルを生成しうるのである。これは、超空間内の各々の場所に可能性リス トを割当てることによって対処できる６　図９は、３つの特徴の各々が５つの値 をとりうるような３次元超空間の一例を示している。　「クラスタ」４０はここ で場所（Ｓ　（４−３）　＝３；Ｓ　（２−１）　＝２；　Ｓ　（３−２）　＝ ｏ）を中心にした形で描かれている。

１２の開運は、認識されるべき信号又はパターンが、時間の圧縮又はその他の送 信上の収差により適切なベクトルを生成しない可能性があるという点にある。従 って特徴の変動性を研究しなくてはならず、結果として得られる特徴ベクトルが 超空間内の異なる領域をいかに指定するかが決定されなくてはならない。独特の 特徴の探索は、それらが予想される収差の影響下で安定していること、又それら が特有のものであることという基準に基づいている。特徴ベクトルを構成する個 々の特徴が独立したものであると仮定できるならば、特徴の数を増大させること によって、超空間内のクラスタ間の離隔距離をクラスフサイズの増大なく劇的に 増大させることができる。

量子化された特徴における変動を可能にし、時間的アラインメントに対する必要 条件を低減させるために、異なる時間変異にて多数の特徴ベクトルを生成するこ とができ、各々の信号にそれが占有することになる超空間の１領域を掃引させる ことができることになる。このような特有の時間不変特徴ベクトルの探索につい て以下に記述する。

あらゆるパターン認識問題の最も重要な態様の１つは、特定の符号数が存在する とき安定しているものの符号数が存在しない場合異なる指示を与えるような特徴 の識別、生成及び選定である。本発明を開発するにあたっては、レコード、テー プ及びレコード音楽ラジオ放送からの音響信号が、　１．０ｋＨｚのカットオフ 周波数での低域ろ過の後１秒あたり２５００サンプルの速度でデジタル化された 。１キロヘルツ以下の周波数は、放送装置によって使用されるスペクトル修正に よる影響を比較的受けないことがわかった。

これらの信号からの約６５秒の音響を７２曲の歌からデジタル化し、実験用デー タベースとして記憶した。これらのデータファイルの各々を接ぎに、つの周波数 帯のエンベロープを形成するフロントエンドプロセッサのソフトウェアシミレー ションで処理した。シミュレータからの出力は、−組の多重化された浮動小数点 ファイルであり、これは、図形端末上にプロットさせるか又は特徴ベクトルのた めの優れた特徴を形成すべく開発利用できるデータの特性を決定するよう１つの プログラムによって処理させることができた。１つのスペクトル解析プログラム が、各々の周波数帯のパワースペクトル、対数パワースペクトルケプストラム（ ｃｅｐｓｔｒｕｍ）及び自己相関関数を計算した。パワースペクトル及び対数パ ワースペクトルは周波数領域関数であり、一方ケプスドラム及び自己相関関数は 時間領域関数である。次に、受信信号の４つの帯域の信号値の統計的モーメント を計算するのに、統計学プログラムが用いられた。このような統計的モーメント は、平均１分散、スキュー及びとがりを含む。さらに、４つの帯域の共分散行列 が計算された。

パワースペクトル及び対数パワースペクトルを検討する時点で、異なる歌は異な る周波数でスペクトルピークを有するものの、異なる歌の間で高い信頼性での区 別を行なう少数のスペクトル成分をいかに選択するかは明白でないということが わかった。このことは、線形及び対数の両方のパワースペクトルについてあては まる。しかしながら、各帯域の信号帯域幅を計算することにより、速度変動に関 して安定したものであるべき４つの数の１組が与えられる。これらの特徴は、８ つの異なる時間的遅延を用いて評価された。

自己相関関数を検討する時点で、誘導できる唯一の安定した特徴は上述の帯域幅 の測定値に密に関係することがわかった。パワースペクトル及び自己相関関数は フーリエ変換対であることから、これは予想すべきことである。自己相関関数か ら誘導された特徴は従って、冗長であるとみなされ、パワースペクトルから誘導 されたもののために捨てられた。ケプストラムを検討し、有効な安定した特徴を 全くもたないことがわかった。これは、ケプストラムが、合一波形の周期を決定 するのに調波的に関係づけされた信号構造の存在を利用するからである。

これらの調波構造は、帯域ろ過された音響のエンベロープには存在しないことが わかった。

統計学プログラムで生成された特徴の挙動を調量する上で、スキュー及びとがり 値が歌によって特有のものでありその歌の中での時間的オフセットで計算された とき比較的安定していることが発見された。有利であるとわかったこれらの特徴 のその他の特性が２つある。まず第１に、スキューもとがりも両方共自己正規化 するものである。すなわちその値は音の大きさとは無関係である。

ｊ［２に、その値は、記録内の速度変動によってほとんど影響を受けない。これ は、その計算に時間又は周波数が明示的に関与しないからである。このことは、 システム全体を放送装置により誘発された速度変動から免れた状態にするべく多 大な努力が払われてきたことから、きわめて重要であるとみなされた。いくつか の歌が、異なる時間的オフセットで大幅に異なるスキュー及びとがりの値を生成 することが発見された。これは、時間的オフセットが解析のウィンドウを歌の性 質全体が異なる歌の領域内へと移動させた時に起こった。これは、選択されたい ずれの特徴セットにも影響を与える一般的問題であると仮定され、従って使用す べき特徴の選択の代わりに認識アルゴリズムの中で処理されなくてはならない。

結論として、当該発明人は、スキュー及びとがりの特性は、効率良くしかも高い 信頼性で放送信号をカテゴリー分類するのに充分適したものであるということを 発見した。帯域幅の推定もうまく働いたが、時間オフセットの効果に対しての免 疫性は比較的低いものであった。認識アルゴリズムはこれを直接処理するもので あるため、エンベロープ帯域幅はなおも有効な識別用特徴でありうる。ここで論 述されている特徴の各々は、４つの周波数帯金てについて計算されたものである ことを指摘しておかなくてはならない。従って、合計１２の特徴つまりスキュー 、とがり及びエンベロープの帯域幅の各々について４つずつの特徴がその識別能 力に関し認定されたものとしてみなされた。１２の特徴全てが用いられる場合、 １２次元の特徴超空間が生成されることになる。これは、所要メモリ及び計算さ れなくてはならない特徴の数という点から見て恐らく受諾できないだろう、従っ て、本発明の実施態様に関しては、スキュー及びとがりの値のみを用い、かくし て合計８つの特徴を生成することが決定された。しかしながら、これでもまだ、 所要メモリの観点から見ると受諾不可能でありうる。従って、４つの周波数帯を ３つの波形に線形的に組合せ、かくして３つの波形の各々についてスキューとと がりの値を提供し、６次元の特徴超空間を作り出した。この選択の確認について 、以下に記すベクトル量子化に関連してより詳しく説明する。

ベクトル量子化は、原則として単純なコンセプトである。これには、各ベクトル 成分の解像度をその値の連続的範囲から少数の値のうちの１つに減少させること 、例えば複数の多重桁値を複数の単−桁値に減少させることが関与する（図８参 照）。例えば特徴値範囲は、単純に複数の同等な幅の帯域に区分することができ る。特徴は次にその多重桁値をその帯域数で置換することによりコード化又は量 子化される。この単純なアプローチには。

２つの主要な問題点が存在する。第１に、２つの帯域の間の境界近くにくる値は 、雑音、ひずみ又は計算の精度限界のために誤って量子化される可能性がある。

第２に。

特徴値が範囲全体にわたり等分布させられる可能性が低いのである。このため、 成る帯域においてきわめて集中する結果となり、量子化された特徴の情報内容は 減少させられる。全ての値が同じ帯域に入る限定的ケースにおいては、特徴は、 全く情報を含まない。これは、帯域の不均一な幅を用いることにより（例えば図 １０）及び基準ライブラリのための基準特徴ベクトルのコード化のための並行方 式の量子化プロセスを利用することにより（例えば図１２）、処理される。

第１に、量子化レベルの数ならびに特徴ベクトル内で利用される特徴の数を考慮 することが必要である。こ九らは、特徴超空間の次元の数及び密度を規定する。

図７は、使用される特徴の数及びそれらが童子化されるレベルの数の−Ｒ数とし て超空間内の離散的な場所の数をリストアンプしている。レベル数が３より大き い全てのケースについて、量子化レベルの数を増大させることによってよりも特 徴数を増大させることによっての方が多くのものを達成することができるという ことに留意されたい。メモリの限界内でできるかぎり大きい特徴超空間を利用す ることが有益である。これは、より大きい体積にわたり特徴ベクトルが表示する 信号を広げる傾向をもち、その結果第２段相関子により評価される必要のある符 号数はψなくなる。好ましい実施態様においては、当該発明人は５つの量子化レ ベルと６つの特徴を適正な妥協点として選択した。これは１５６２５個の離散的 場所を有する超空間を提供する。

２つのベクトル量子化アルゴリズムが開発された。第１のものは、各領域が同じ 数の入力を含むような形でその統計的分布に従って各ベクトルを分割する（図１ ０及び１１参照）。第２のものは類似のプロセスを行なうが２つの量子化された 特徴ベクトルを戻す（例えば図１２゜１３及び１４）、２つのベクトルは、最も 可能性の高い領域及び最も近い隣接領域を表わす。サンプル信号ライブラリを用 いてスキュー、とがり及び−ＩＦ城幅の値についてヒストグラムが作成された。

とがりについてのヒストグラムについて以下に、並行及び非並行方式のベクトル 童子化アルゴリズムとの関係において論述する。

図１２は、とがり特徴の並行コード化されたベクトルの量子化を示している。と がり値の母集団がまず第１に。

各領域がサンプル台計数の３分の１を含むように分割されるということに留意さ れたい。領域１，３及び５を分離するために、Ｍ値ＢおよびＤが用いられる。同 様に各々３分の１の点を含む付加的な２つの領域が構築されるにれらは、全社点 の３分の１が上下にある状態で閾ＷＢおよびＤに集中している。領域２及び４は Ｍ４１１Ａ、ＣおよびＥで境界設定されている。図１３に示されているように、 ＨＭＡより小さい特徴値は明らかに領域１の中にあり、　（０，Ｏ’）としてコ ード化されている。閾値Ａ及びＢの間にくる特徴値は領域１又は２の中に属して いる可能性があり、Ｃ０，１）としてコード化される。閾値Ｂ及びＣの間にくる ものは、領域２又は３の中に属する可能性があり、（１，２）としてコード化さ れる。、Ｃとｂの間の値は領域３又は４に入り、（２，３）としてコード化され る。ＤとＥの間の値は領域４又は５に属する可能性があり、（３，４）としてコ ード化される。最後に、値が閾値Ｅよりも大きい場合、これは明らかに領域５の 中にあり、　（４，４）としてコード化される。各々のベクトルが６つの特徴を 利用することから、並行ベクトル量子化プロセスは、図１４に示されているよう に６つの要素ベクトルの対を作成する。これら２つのベクトルの要素を置換する ことにより、信号を記憶できる超空間の場所を規定する最高６４の新しいベクト ルを形成することができる。しかしながら、　（０，０）又は（４゜４）コード が生成される毎に、２重ベクトルが生成される。予備的調査において使用された サンプルライブラリの場合、並行量子化されたベクトルＡ及びＢの要素を置換す ることにより平均２１．４の独特のベクトルが生成されるということがわかった 。これらの独特のベクトルは、超空間内の１つの歌のメモリ「近傍」と呼ばれる 。

並行方式の量子化アルゴリズムに対する代替案は、図１０及び１１に示されてい る非並行方式の量子化アルゴリズムである。ＩＭＩＯ及び１１は、サンプルライ ブラリから生成されたとがりの僅のヒストグラムを示している。

非並行ベクトル量子化アルゴリズムによると、量子化闇値は、上昇順に特ｗａＭ の全てを分類（ソート）し次にこのリストを５つの等しい今イズの領域に分割す ることによって誘導される。境界にあるデータ値は、閾値として選定される。こ のことにより、各々の領域は同数のサンプルを含むことになり、結果として得ら れる超空間は均等に満たされることになる。領域１．　２．　３．　４又は５の いずれかの中に入る特徴ベクトルの値は、単に、図１１の中に示されているよう に、値と共にコード化される。

このプロセスはメモリ内に超空間を生成するのにも有効であるが、並行量子化ベ クトルアルゴリズムの方が好ましい。ただし、この非並行量子化アルゴリズムは 、以下に論述する受信信号を認識するプロセスの間に使用される。

技術的アプローチに関して論述すべき最後のプロセスは、信号識別情報を含むデ ータベースへ又はこのデータベースから情報を書き込むか又は抽出するためにこ の量子化されたベクトルをいかに使用するかということである。当該発明人は、 信号パターンの認識に適用できる情報を記憶し検索する２つのアプローチを調査 した。第１のアプローチには、超空間内に予想されるパターンの変動を全て記憶 させることが関与している。これは量に、並行方式のベクトル量子化プロセスに より戻された２つのベクトルの置換により上述の各々の場所に歌識別コードを割 当てる問題である。アクセスには、探索基準を満たすパターンのリストを含む単 一の場所の計算が関与している。これは、実時間認識の観点からみて最も効率の 良いものであるが、特徴超空間内の数多くの場所における識別コードの記憶を必 要とする。代替的な１つのアプローチは、各々のパターンを空間中に一回だけ記 憶するというものである。候補の歌のリストを見い出すため空間をアクセスする とき、並行方式の量子化プロセス内で観察される全ての変動が探索されなくては ならない。各々の場所で発見されるリストが次に組合せられなくてはならない。

この第２のアプローチはメモリを保存するものの、認識プロセスを緩慢なものに する。予期される全ての特徴変動を記憶し次にひずみについて領域を探索するよ うな［ベルト−サスペンダ」プロセスも可能である。

この方法は恐らく最も頑強なものであるが、時間及びメモリの両方のペナルティ を払うことになる。実時間実行が重要であり、かつメモリの限界が引伸ばされて いるとは感じられないことから、第１の方法が選定された。

メモリ内に信号識別情報をマツピングし、次に受信信号に従って識別情報を検索 する方法は、数多く存在する。

好ましい実施態様では、１つの考えられるアプローチが用いられているが、本発 明は全ての明白な同等物を網羅するものとみなされるべきである。上述のパラメ ータに従うと、ベクトル超空間の中には１５，６２５の離散的場所が存在する。

従って、ＷＩ在的なパターン整合の識別コードを含むリストを指すポインタの表 が構築された。

各々のリストは、信号が付加及び除去される時点で更新されるような可変的長さ を持つ。図１５は、このアクセス方法を例示する。データベースに１つの信号が 付加される場合、並行量子化プロセスから誘導された２つのベクトルの全ての置 換が計算される。次に、例えば５といった非１０進基数を用いたベクトル成分の 加重和として、リスト上の１つの位置が計算される。この表中の各々の位置は、 １つの空のリストを指していてもよいし、或いは又超空間内でこの場所にマツピ ングする信号の識別コードを含むリストの場所を指していてもよい。これらのリ ストは、動的に生成され修正される。信号リスト内の１１の入力は、次に続く識 別コードの数を示す。リストの残りの部分には、識別コードが含まれている。リ ストに信号識別情報を付加することには、そのリストが存在するか否かをテスト することが含まれる。それが存在しない場合、これを作り出さなくてはならない 。このとき信号識別情報が付加され、リストサイズは１に設定される。リストが すでに存在する場合、信号識別情報がすでにリスト上にあるか否かを見るためチ ェックを行なう。

それがすでにリスト上にある場合、表は単に退出させられる。無い場合には、リ ストは１だけ拡張され、新し０諏別コードが付加される。付加的な信号識別コー ドが付加されたことを示すため信号リスト中の第１の入力も同様に更新される。

信号識別コードを除去することも、類似のプロセスである。

このアプローチの実行は、選択された統計的特徴の安定性によって左右される。

モーメントは速度の変動によって影響されないために選択された。しかしながら 、時間オフセットが関与する場合、歌のセグメントが異なる特性を示しそれがこ の歌を超空間の異なる領域に置くことになるということも極めて可能である。そ の結果、検出ミスが起こることになる。このことは、複数の時間的遅延にて特徴 安定性を評価することによってｖ４査され、はとんどは安定していることがわか った。しかしながら、時間的遅延で著しく変化したものもいくつかあった。これ を押しとどめるため、相関子によって用いられた２８秒以内で１４秒の間隔の１ セット全体にわたり、統計力く算出される。各々のオフセントにおいて、超空間 内の１セツトの重複した場所が計算され、相応するリスト番二対して歌のＩＤコ ードが付加される。歌が安定して（Ａる場合、いかなるλカも生成されない。し かしながら、統計が時間的遅延と共に変化する場合、歌は、それ力（存在する可 能性のある全ての領域に対して付加される。

これで、本発明の技術的アプローチ及び概論の説明を終わる。

図１は、本発明に従った装置のブロックダイアダラムを示し、図１６は、本発明 に従ったプロセスのための２レベル式流れ図を表わす。本発明において１図１の 処理構造は、最高５つの音声チャンネルの同時処理を可能にする。従って、最高 ５つの放送局を監視し、その放送番組を分類することが可能である。同時に監視 可能なチャンネルの数を増減するために、付加的なハードウェア及びソフトウェ アの修正を行なうことができる。

アンテナ２は、可聴信号を支持する電波を受信する。

アンテナ装置は、同時に最高５つの無線チャンネルを受け入れることができる。

この可聴信号は、音声チャンネル受信機４によって受信され、音声前処理プロセ ッサ６に与えられる。音声前処理プロセッサ６は、フィルタバンク８、エンベロ ープ検出器１０及び低域フィルタ１２を、図２に示されているように含んでいる 。代替的には、この音声前処理プロセッサ６をプロセッサ２４内にデジタル式に 内蔵させてもよい。

図１は同様に、可聴信号をデジタル化するのに用いることのできるアナログ−デ ジタル変換器１４をも示している。複数の音声チャンネルが同時に監視されてい るとき多重化オペレーションを行なうのに、マルチプレクサ１６が用いられる。

Ａ／Ｄ変換器１４及びマルチプレクサ１６は両者共母線１００に連結されている 。同様に母線１００に連結されているのは、アレイプロセッサ１８である。特徴 ベクトルのオペレージ目ンはアレイプロセッサ１８内で行なわれ、これには、第 ２段の特徴シーケンスの時間ねじれ及び５１２段相関計算が含まれる。

プロセッサ２４は同様に母１ｇ１ｏｏに連結され、制御、データベース管理及び 第１段分類計算における全ての入圧力（Ｉｌｏ）管理のＩ１１能を果たす、プロ セッサ２４は、マイクロプロセッサ２６、メモリ２８、Ｉ１０インタフェイス３ ０、実時間クロック３２、基準パターンメモリ３４及びオフラインメモリ３６を 含むことができる。好ましくは、マイクロプロセッサ２６は、モトローラ６８０ ２０シリーズのマイクロプロセッサであってよい。好ましくは、動作メモリ２８ はψなくとも８メガバイトのメモリを含む。同様にして、パターンメモリ３４は 第１段及び第２段の基準ライブラリの両方を記憶し、好ましくは少なくとも１つ の１４０メガバイトのハードディスクによって実現される。メモリ３４内の基準 パ、ターンライブラリからの基準パターンを変更／付加／削除するために、オフ ラインメモリ３６を用いることができる。好ましくは、オフラインメモリ３６は テープカートリッジを含んでいる。

最後に、処理システムは、ＣＲＴ３８、プリンタ又はモデム４０及び端末４２と いった周辺機器と連結することができる。このような周辺機器はＩ１０インター フェイス３０を通してシステムに連結される。

ここで図２に戻り、粗スペクトル解析について記述する。受信可聴信号は音声前 処理プロセッサ６に与えられ、ここで複数のチャンネルに分割される。好ましい 実施態様においては、４つのチャンネルが選択された。しかしながら、分類され るべき信号の正確なタイプに応じて、さらに多い又はφないチャンネルを泪いる ことができる。

各々のチャンネルは、各々異なる値を有する帯域フィルタ８を含んでいる。各々 のチャンネルは、整流器１０及び低域フィルタ１２をも含んでいる。音声前処理 プロセッサの目的は、第１段で処理される情報の量を減少させることにある。こ うして、第１段の特徴の長期平均化が提供される。第１段の目的は、認識のため に必要とされる計算を減少させることにあることから、単位時間あたりに処理さ れる情報量を減少させることが望ましい、信号識別精度は、特徴ベクトルの時間 帯域幅積に比例する。

従って持続時間を拡張させながら特徴ベクトルを減少させることにより、必要と される単位時間あたりの処理は減少する一方で、精度は維持される。これは、時 系列事象に対する連続的探索を必要とするあらゆるプロセスについて言えること である。

これを達成するためには、図３に示されている可聴入力信号が、帯域フィルタ８ の各々に対して与えられる。

各々の帯域フィルタはろ過された信号例えば図３に示されているものを出力する 。ろ過された信号は、低域フィルタ１２に提供され、各々の整流器は図３に示さ れているように低域ろ過された信号を出力する。減少した帯域幅の信号をサンプ リングすることにより、可聴信号内の速度変動に対するシステムの感応性を同時 に減少させながら、処理時間が保たれる。従って、低域フィルタ１２から、図４ に記されているように複数の波形が与えられる。これらの波形はそれぞれＸＩ（ ｔ）、Ｘ２（ｔ）、Ｘ３（１）及びＸｌ（ｔ）によって表わされる。これらの波 形の各々はプロセッサ２４に与えられ、このプロセッサは波形に従って特徴シー ケンスを生成する。

従ってプロセッサ２４は、Ｘａ＋　（ｔ）、Ｘ−２（ｔ）、ｘ＝ｇ（ｔ）及び　 Ｘｔ、（ｔ）（図２）で表わされた複数の特徴シーケンスを提供する。これらの 特徴シーケンスの各々は、波形Ｘ＋（ｔ）からｘ、（ｔ）までの線形組合せとし て形成される。本発明において、線形組合せは２つの帯の間の差にほかならない 。例えば、信号Ｘａ＋（ｔ）は、Ｘ４（ｔ）−ｘ３（ｔ）の線形組合せである（ 以下「帯（４−３）」と呼ぶ）。同様にして、帯域＜３−２）及び帯域（２−１ ）についての信号がプロセッサ２４内に生成される。この段階は、段階５１１０ として図１６中に示さ九でいる。

しかしながら、いくつかの実施例においては、４つの入力波形の線形組合せで直 交性といった成る種の特定的特性をもつシーケンスを形成するのが望ましくなる 。この時点で、放送装置により誘発されたひずみを補償するため付加的な前処理 を適用することができる。このようなひずみの−例は、動的範囲の圧縮又は対数 圧縮関数を用いてそれを拡張することである。このようなひずみは、データベー スを作成するとき動的範囲のひずみをシミュレーションすること及び／又は動的 範囲のひずみについて受信信号を補償することによって補償される。

次の段階は、図１６に段１ｓ１２０として表わされているように、帯域差信号の 各々の統計的モーメントを計算することである。各々の帯域差信号は、これらの 統計的モーメントを計算するのに用いられた信号値を生成するため複数の点でサ ンプリングされなくてはならない。

図５は、帯域（４−３）のサンプリングを示している。

サンプリングプロセスは、基準ライブラリを生成するためと受信信号を認識する ためとで少し異なっている。基準ライブラリが生成される場合、信号は＠１の装 置内へ音声チャンネル受信器４にて入れられる。基準ライブラリ内で使用するた めの信号のスペクトル的に最も独特の部分を選択するのに図１６内で段階５２１ ０及び５２７０として描かれている第２段相関手順が用いられる。限定的に言っ て、プロセッサは、ｆｉ１段及び第２段の基準ライブラリを生成する際に使用す るため信号のスペクトル的に最も独特な２８秒を識別する。一方１図１の構造に より放送信号が監視されている場合、その信号は、一連の１４秒のセグメントに 分割され、各々のセグメントは解析され基準信号ライブラリと比較される。

図５に従うと、目標信号のための基準ライブラリ入力は、９つの間隔を通して１ ２８のサンプリング点ウィンドウで各帯域差信号を繰り返しサンプリングしてウ インドウを各間隔について１６点ずつシフトさせることにより、決定される。サ ンプリング点において決定された信号値は次に、図１６に段ｆｆ５１２０として 記されているように、統計的モーメントのスキュー及びとがりを計算するのに用 いられる。図１７は、統計的モーメントを計算する方法を示す。第１に１次の式 にしたがって、サンプリングされた信号値の平均が得られる：μ＝（１−Ｎ）Σ Ｘ　（ｎ）　・・・・・・・・・・・・・・・・（１）なお式中、Ｎはサンプリ ング点の数であり、　１くｎ〈Ｎであり、Ｘはサンプリング点における信号の値 （例えば電圧）である。次に、以下の式を用いてサンプリングされた信号の分散 をめる： 分散＝　（１／Ｎ）Σ（Ｘ（ｎ）−ｕ）　２−＝　（２）この分散から、以下の ようにして標準偏差が計算される： σ＝ｆ分］Ｆ・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・ ・・（３）次に、単数又は複数の統計的モーメントを以下の式に従って計算する ことができる： 本発明では２つの統計的モーメントつまりスキューととがりを用いているが、式 （４）に従って単一の統計的モーメントを計算することもできるし、或いは又代 替的に単数又は複数のさらに高次のモーメントを用いることもできる。

好ましい実施態様に従うと、スキューは次のように計算できる： 又、とがりは以下のように計算される：上述の計算は１図１７に示されているよ うに１段階５１２１〜５１２５において行なわれる。

統計的モーメントがひとたび計算されると、特徴ベクトルを誘導することができ る（図１６の段［５１３０）。

図６に示されているように、特徴ベクトルが５　基準ライブラリの作成中に９つ の間隔の各々について誘導される。

各々の間隔における３つの帯域差信号についてのスキュー及びとがり値を含む、 従って、ベクトル１は、５（４−３）１．　Ｓ　（３−２）Ｉ、Ｓ　（２−１） ｌ、Ｋ　（４−３）Ｉ。

Ｋ（３２）＋及びＫ（２１）＋に対する値を含む。これらの値は実際の信号値で あり、浮動小数点数で表わされる。

ここで、各信号について９つの特徴ベクトルが生成されたことになり、各々の特 徴ベクトルは超空間内の１つの場所を示している。次に、歌識別コードが超空間 内の各近傍におかれ、近傍は２重値を削除する。

次の段階は、すでに論述したように（図１６内の段階５１４０）、特徴ベクトル を量子化することである。基準ライブラリを作成するプロセス中、＠１２−１４ に従った並行方式のベクトル量子化アルゴリズムが好ましくは利用される。例え ば、図１４に示されているように。

ベクトル１の値は図１２のグラフ上にプロットされ、　２つの並行量子化された ベクトルＡ及びＢが生成される。

これらの量子化されたベクトル成分は、０−４の値をもつ単一の桁で表わされる 。しかしながら、−変形実施態様においては、量子化されたベクトルは多重桁で あってよく、５つ以上又は以下の独特の値を含んでいてよい。

２つの量子化されたベクトルＡ及びＢを得た後、その可能なバリエーションを全 て生成するため、これらベクトルの置換が行なわれる。従って、ベクトル１から の信号値を記憶することのできる超空間内の可能な６４の場所が存在する。この 置換は、生成された９つの特徴ベクトルの各々について行なわれるため、各々の 信号について超空間内で合計５７６のベクトルがマツピングされなくてはならな い可能性がある。しかしながら当該発明人が行なった実験によると、超空間の中 の約２１の実際の場所が各ベクトルについて生成される。

各順序付られた量子化ベクトルを超空間にマツピングするには、メモリの特定の 位置へ歌識別コードを投入するだけでよい（図１６のステップ５１５０）、これ は、図１５に示すプロセスに従って実行される。ただし、多数のマンピングアル ゴリズムを使用する。

図１５において、順序付ら九た量子化ベクトル２Ａの重みつき合計は、非１０進 数の基数５でめられる。すなわち、ベクトル値と底５の異なる累乗の積である。

当然、這う基数を使用することもできるし、全く異なった方法でアドレスをめて もよい。図１５に示す例では、ベクトル成分の重みつき合計は１１，１１７に等 しい。

次に、このアドレスから、Ｑテーブルという表がアクセスされる（図１６のステ ップ５１６０）。ポインタから、特定の歌リスト１が指定される。データベース を作成するプロセスでは、歇識別コードが当該歌リストに投入される。また、リ スト内の歌数が１だけ増分される。この手順は、サンプル信号からめられる順序 付られた量子化ベクトルの各々に対して繰り返し実行される。これによって、サ ンプルの識別コードがメモリ内の複数の歌リストに書込まれる。これで、信号認 識に使用されるデータベースの作成が完了する。

信号認識でも、上記のステップは大体同様である。放送信号が受信され、帯域フ ィルタで処理され、整流され、低域フィルタで処理される。そして、４帯域の一 次結合がめられる。認識処理のサンプルステップについては、歌が１４秒間隔で 連続的にサンプルされるという点で上記とはやや異なる。たった１つの特徴ベク トルが、方程式（５）と（６）に従って算出された尖り値と歪値から期間毎に作 成される。

その後、各サンプル期間の単一特徴ベクトルが、先に述べた非１に複量子化アル ゴリズムで量子化される。このようにして、各秋期間で単一特徴ベクトルがめら れる６次に、単一量子化ベクトルの成分の重みつき合計がめられ、その重みつき 合計からＱテーブルがアクセスさ九る。Ｑテーブルが指定するポインタが、単− 歌リストをアクセスする。単−歌リスト内の歌が、第二段階の分類手順で検索さ れる歌の候補となる。分類プロセスが一つだけの場合、当然、単−歌リストから 取部される一つ以上の歌が放送信号とみなされる。

第二段階の分類プロセスは、特許第＋５２６号の１３列５８行〜１５列５７行お よび図２、図７、図８、図９、及び図１４で詳細に説明されている。特許第　＋ ５２６号の当該部分を特にここで引用する。基本的に、第一分類プロセスで生成 される一つ以上の歌リストが１図２に示す出力信号Ｘｃ　（ｔ）と共に第２段階 の相関プログラムにサブミントされる。信号Ｘｃ　（ｔ）は、特許第＋５６２号 で考察されているように線形に時間でゆがむこともある。時間でゆがんだのとゆ がまなかった５つ波形にフーリエ変換を行うことによって、複合スペクトルが得 られる。この複合スペクトルは第二段階ライブラリに存在する第二段階基準パタ ーンと比較される。デジタル化された放送信号のサンプルとその基準波形がたす き掛けされ逆フーリエ変換されて、相関信号がめられる（図１８のステップ５２ １１）。次に、第二段階基準パターンと！ｆ数の時間でゆがんだ（及びゆがまな かった）入力信号との相関関数が比較され、現時点の入力信号の最大相関値が指 定される（図１８のステップ５２１３）、最大相Ｍ値を持つ波形が選ばれ、認識 を判定するしきい値と比較される。相関ピーク値が上記のように決定されるとす ぐに、その信号はＦ認識」される（図１８のステップ５２１５）。また、歌讃別 コードのログが取得される。歌識別コードはＣＲＴ３８に表示してもよい。

このように、上記の装置と方法によって、正確で信頼性があり小型で、しかも安 価な信号分類装置が実現される。

先述のように１本発明の装置を使用して、第一段階と第二段階の基準ライブラリ を生成することができる。第一段階のライブラリ生成手順については既に説明し た。

また、第二段階のライブラリの生成手順については、特許＋５２６号の１５コラ ム６４行〜１６コラム４３行に詳細な説明がある。特許＋５２６号の当該部分を 特にここで引用する。

上記の装置と方法は、自動的に信号を、とりわけ放送信号を分類するものである 。システムはマイクロプロセッサを基盤としており、非常に小型で経済的なパッ ケージとして実現できる。例えば、現存のプロトタイプは、市販のＦＭ高周波受 信器、Ｓ　ｕ　ｎ　３　／　１５０プロセツサを有する小型コンビユニり、Ｍｏ ｔｏｒｏｌａ６８０２０マイクロプロセッサを使用したＳ　ｕ　ｎＣＰＵ基板、 複数のメモリ基板、Ｍｅｒｃｕｒｙアレイプロセッサ、プリプロセッサ、ディス クと周辺機器用コントローラ、およびＣＲＴで構成されている。この分野に精通 した人なら、本発明で明らかにされた信号認識における重要な改良点について容 易に理解できよう。

本発明を最も実用的な優先的実施態様と現在考えられているものとの関連におい て説明してきたが１本発明はその実施態様に限定されるものではない。逆に１本 発明は、添付の請求の精神及び範囲内でそれを様々に変形させ同様に配置させた 態様をも包含するものである。添付の請求の範囲は、最も広い解釈と一致するも のであり、そのような変形態様および同様な構造と作用の全てを包含する。

ＦＩｏ、５ ＦＩＧ、θ ＦＩｏ、１ ＦＩＧ、Ｉθ ｔｌｌｌ ＦＩＧ、１２ ＦＩＧ、Ｉ４ ＦＩＧ、Ｉθ 浄書（内容に変更なし） ！」１１ 信号を受信しそして複数のサンプリング点でサンプリングして複数の信号値を生 成する信号認識装置及び方法。

信号の統計モーメントが式（１／Ｎ）Σ（（Ｘ　（ｎ）　−μ）ｋ／σ賢）に従 った信号値を用いて計算される。ここで、Ｎはサンプリング点の数、ｎは１　＜ 　ｎ　＜　Ｎを満足させる値、Ｘはサンプリング点における信号の信号値、μは 信号値の平均値、σは信号値の標準偏差、モしてｋは１より大きい整数である。

計算された統計モーメントは複数の格納信号識別コードと比較されて、受信信号 が格納された信号識別コード中の一つに類似するものとして認識される。好まし くは、計算された統計モーメントは。

量子化される特徴ベクトルを生成するために使用され、そして重み付けされた量 子化特徴ベクトルは信号識別ニードを格納するメモリをアクセスするために使用 される。

手続補正書（放） 平成４年ＩＯ月２１日

Claims (80)

【特許請求の範囲】
1. １．信号を受信する段階と、複数のサンプリング点で信号を抽出し複数の信号値 を求める段階と、以下の式に従って前記信号の統計モーメントを算出する段階と ；▲数式、化学式、表等があります▼ ここで、 Ｎ＝サンプリング点の数 ｎ＝１＜ｎ＜Ｎ Ｘ＝サンプリング点での前記信号の信号値μ＝信号値の平均値 σ＝信号値の標準偏差 ｋ＝１より大きい整数 算出された統計モーメントと複数の格納された信号識別コードを保持するライブ ラリの内容とを比較する段階と、受信信号を前記の格納された信号識別コードの 少なくとも一つに類似したものと認識する段階とで構成されることを特徴とする 信号認識法。
2. ２．前記算出段階は、前記信号の歪を算出する段階と尖りを算出する段階を含み 、前記比較段階は、前記歪値と前記尖り値から特徴ベクトルを求める段階を含む ことを特徴とする請求の範囲第１項に記載の方法。
3. ３．前記受信段階は、受信信号を帯域フィルタで処理し複数のフィルタ処理信号 を得る段階と、前記フィルタ処理信号を整流する段階と、整流信号を低帯域フィ ルタで処理する段階と、低帯域フィルタ処理信号の複数の一次結合をコンピュー タ処理する段階とを含むことを特徴とする請求の範囲第１項に記載の方法。
4. ４．前記サンプリング段階は、複数のサンプリング点で前記一次結合の第一の一 つを抽出し第一の複数の信号値を求める段階と、複数のサンプリング点で前記一 次結合の第二の一つを抽出し第二の複数の信号値を得る段階とを含むことを特徴 とする請求の範囲第３項に記載の方法。
5. ５．前記算出段階は、前記第一の複数の信号値から第一の歪値と第一の尖り値と を算出する段階と、前記第二の複数の信号値から第二の歪値と第二の尖り値とを 算出する段階と、前記第一と第二の歪値と前記第一と第二の尖り値とから成る特 徴ベクトルを得る段階とを含むことを特徴とする請求の範囲第４項に記載の方法 。
6. ６．前記比較段階は、複数の予め設定された量子化パターンに従って前記特徴ベ クトルを量子化し量子化ベクトルを得る段階と、前記量子化ベクトルで前記ライ ブラリにアクセスし量子化ベクトルに対応する信号識別コードを探索する段階と を含むことを特徴とする請求の範囲第５項に記載の方法。
7. ７．前記アクセス段階は、非１０進数の基数を使って前記量子化ベクトルの値の 重み付き合計を求める段階と、重み付き合計をアドレスとし使用してポインタ表 にアクセスし前記重み付き合計に対応するポインタを探索する段階と、前記ポイ ンタを使用して量子化ベクトルに対応する信号識別コードを保持する信号識別コ ードリストを探索する段階とを含むことを特徴とする請求の範囲第６項に記載の 方法。
8. ８．前記認識段階は、前記複数の一次結合の第三の一つと前記信号識別コードリ ストにある信号識別コードに対応する複数の格納された信号とを相関させる段階 と、前記第三の一次結合との相関値があらかじめ設定されたしきい値より大きい 一つの格納された信号を指定する段階とを含むことを特徴とする請求の範囲第７ 項に記載の方法。
9. ９．前記量子化段階は、非均一的に分散された範疇を有する予め設定された尖り 量子化パターンに従って前記特徴ベクトルの各歪値を類別する段階と、非均一的 に分散された範疇を有する予め設定された歪量子化パターンに従って前記特徴ベ クトルの各尖り値を類別する段階とを含むことを特徴とする請求の範囲第６項に 記載の方法。
10. １０．基準信号を受信する段階と、複数のサンプリング点で前記基準信号を抽出 し複数の信号値を求める段階と、以下の式に従って受信された基準信号の統計モ ーメントを算出する段階と； ▲数式、化学式、表等があります▼ ここで、 Ｎ＝サンプリング点の数 ｎ＝１＜ｎ＜Ｎ Ｘ＝サンプリング点で抽出された信号 μ＝信号値の平均値 σ＝信号値の標準偏差 ｋ＝１より大きい整数 算出された統計モーメントから特徴ベクトルを引出す段階、特徴ベクトルもしく はその表現をメモリに格納する段階とで構成されることを特徴とする信号認識に 便利な信号ライブラリ作成方法。
11. １１．前記算出段階は、受信された基準信号の二つの統計モーメントを算出する 段階を含み、前記引出し段階は、算出された統計モーメントの両方から前記特徴 ベクトルを引出す段階を含むことを特徴とする請求の範囲第１０項に記載の方法 。
12. １２．前記受信段階は、受信信号を帯域フィルタで処理し複数のフィルタ処理信 号を得る段階と、前記フィルタ処理信号を整流する段階と、整流信号を低帯域フ ィルタで処理する段階と、低帯域フィルタ処理信号の複数の一次結合をコンピュ ータ処理する段階とを含むことを特徴とする請求の範囲第１０項に記載の方法。
13. １３．前記サンプリング段階は、複数の点で前記一次結合の一つの第一の部分を 抽出し第一の複数の信号値を求める段階と、複数の点で前記の一つの一次結合の 第二の部分を抽出し第二の複数の信号値を求める段階とを含むことを特徴とする 請求の範囲第１２項に記載の方法。
14. １４．前記算出段階は、前記第一の複数の信号値の歪と尖りを算出して第一の歪 値と第一の尖り値とを得る段階と、前記第二の複数の信号値の歪と尖りを算出し て第二の歪値と第二の尖り値とを得る段階とを含むことを特徴とする請求の範囲 第１３項に記載の方法。
15. １５．前記引出し段階は、前記第一の歪値と前記第一の尖り値を有する第一の特 徴ベクトルを求める段階と、前記第二の歪値と前記第二の尖り値とを有する第二 の特徴ベクトルを求める段階とを含むことを特徴とする請求の範囲第１４項に記 載の方法。
16. １６．前記引出し段階は、予め設定された非均一量子化パターンに従って歪値と 尖り値とを整数に置換えることによって前記特徴ベクトルの両方を量子化し、第 一と第二の量子化ベクトルを求める段階を含むことを特徴とする請求の範囲第１ ５項に記載の方法。
17. １７．前記格納段階は、非１０進数の基数を使って前記第一のベクトルの重み付 き合計をコンピュータ処理する段階と、前記非１０進数の基数を使って前記第二 のベクトルの重みつき合計をコンピュータ処理する段階と、重み付き合計を使用 して前記メモリにアドレス指定する段階と、前記メモリの重み付き合計に対応す るアドレスに前記基準信号に対応する信号識別コードを格納する段階とを含むこ とを特徴とする請求の範囲第１６項に記載の方法。
18. １８．前記引出し段階は、予め設定された非均一な重複量子化パターンに従って 前記第一の特徴ベクトルから第一と第二の重複量子化ベクトルを求める段階と、 予め設定された非均一な重複量子化パターンに従って前記第二の特徴ベクトルか ら第三と第四の重複量子化ベクトルを求める段階と、前記第一と第二の重複量子 化ベクトルの第一の複数の順列を求める段階と、前記第三と第四の重複量子化ベ クトルの第二の複数の順列を求める段階とを含むことを特徴とする請求の範囲第 １５項に記載の方法。
19. １９．前記格納段階は、前記第一と第二の複数の順列各々の値の重み付き合計を コンピュータ処理する段階と、前記メモリの前記重み付き合計に対応するアドレ スにアクセスする段階と、前記メモリの前記アドレスに対応する領域に前記基準 信号を識別する信号識別コードを格納する段階とを含むことを特徴とする請求の 範囲第１８項に記載の方法。
20. ２０．信号を受信する段階と、複数の点で信号を抽出し複数の信号値を求める段 階と、前記信号値から多値特徴ベクトルを引出す段階と、各特徴ベクトル値を非 均一的に特徴ベクトル値を類別する予め設定された量子化パターンで指定された 範疇値に置換えることによって前記特徴ベクトルを量子化する段階と、量子化ベ クトルで信号ライブラリにアクセスし受信信号に対応する信号識別コードを得る 段階とで構成されることを特徴とする信号分類法。
21. ２１．前記予め設定された量子化パターンは重複量子化パターンであることを特 徴とする請求の範囲第２０項に記載の方法。
22. ２２．前記量子化段階は、複数の異なる予め設定された量子化パターンを使用し て前記特徴ベクトルを量子化することを特徴とする請求の範囲第２０項に記載の 方法。
23. ２３．前記引出し段階は、前記複数の信号値の二つの異なる統計モーメントを算 出する段階と、二つの算出された統計モーメントを使って前記特徴ベクトルを求 める段階とを含むことを特徴とする請求の範囲第２０項に記載の方法。
24. ２４．予め設定された量子化パターンは二つの統計モーメント各々に対して求め られることを特徴とする請求の範囲第２３項に記載の方法。
25. ２５．前記二つの異なる統計モーメントは歪と尖りで構成されることを特徴とす る請求の範囲第２３項に記載の方法。
26. ２６．前記受信段階は、前記受信信号のエンベロープ検出を行う段階を含むこと を特徴とする請求の範囲第２０項に記載の方法。
27. ２７．前記量子化段階は、重複する範疇を持つ少なくとも一つの予め設定された 量子化パターンに従って前記特徴ベクトルを複数の量子化ベクトルに置換える段 階と、前記複数の量子化ベクトルを順序付けて複数の順序付けられた量子化ベク トルを求める段階とを含むことを特徴とする請求の範囲第２０項に記載の方法。
28. ２８．前記アクセス段階は、前記複数の順序付けられた量子化ベクトルで前記信 号ライブラリをアクセスして複数のメモリ記憶位置に到達する段階と、受信信号 に対応する信号識別コードを各前記メモリ記憶位置に書込む段階とを含むことを 特徴とする請求の範囲第２７項に記載の方法。
29. ２９．前記受信段階は、前記信号を分光分析して異なる周波数帯域の複数の分析 信号を得る段階と、前記分析された波形の一次結合を求める段階とを含み、前記 サンプリング段階は、一次結合を抽出し一次結合毎に複数のサンプリング点を得 る段階を含み、前記引出し段階は、対応するサンプリング点から一次結合毎に歪 値と尖り値とを算出する段階と、前記特徴ベクトルを求め前記一次結合の全部の 歪値と尖り値とを算入する段階とを含むことを特徴とする請求の範囲第２０項に 記載の方法。
30. ３０．放送される信号を抽出して放送される信号毎に複数の分析された波形を得 る段階と、抽出された信号毎に少なくとも一つの特徴ベクトルが得られるように 前記分析された波形から複数の特徴ベクトルを引出す段階と、複数の量子水準を 設定する副段階と、量子水準を予め設定された統計的分布上に分散させる副段階 と、分散された量子水準に従って複数の量子化しきい値を得る副段階と、各特徴 ベクトルの各々の値を前記量子化しきい値によって決定された対応する量子化値 に置換える副段階とを有する各特徴ベクトルを量子化する段階と、対応する抽出 信号に対する信号識別コードとして各量子化ベクトルの値をメモリに格納する段 階とで構成されることを特徴とする放送信号の識別に便利な信号識別コードライ ブラリを準備する方法。
31. ３１．量子水準を分散させる段階は、量子水準を重複した状態で分散させる段階 を含み、各特徴ベクトルの各々の値を置換える段階は、更に各特徴ベクトルの各 々の値を重複量子水準によって決定された複数の量子化値に置換えて、各特徴ベ クトルを複数の量子化ベクトルに置換える段階と、各特徴ベクトルの複数の量子 化ベクトルを順序付けて複数の順序付けられたベクトルを得る段階とを含み、前 記格納する段階は、抽出された信号毎に複数の量子化ベクトルに対応する値を格 納する段階を含むことを特徴とする請求の範囲第３０項に記載の方法。
32. ３２．前記引出し段階は、分析された波形毎に二つの統計モーメントを算出し、 特徴ベクトルを求め二つの統計モーメントを算入する段階を含むことを特徴とす る請求の範囲第３０項に記載の方法。
33. ３３．放送情報を受信する段階と、受信された放送情報を分光分析して複数の分 析された波形を得る段階と、前記分析された波形の複数の一次結合を求める段階 と、前記一次結合毎に少なくとも一つの統計モーメントをコンピュータ処理する 段階と、コンピュータ処理された統計モーメントから一つの特徴ベクトルを引出 す段階と、特徴ベクトルを量子化する段階と、量子化特徴ベクトルを使用して放 送情報の複数の識別コードを格納するメモリにアクセスする段階と、受信された 放送情報を格納された識別コードに基づいて識別する段階とを含むことを特徴と する放送情報識別法。
34. ３４．前記コンピュータ処理段階は、複数のサンプリング点で分析された波形を 抽出して複数の抽出値を得る段階と、以下の式に従って分析波形毎に二つの異な った統計モーメントを算出する段階とを含み；▲数式、化学式、表等があります ▼ ここで、 Ｎ＝サンプリング点の数 ｎ＝１＜ｎ＜Ｎ Ｘ＝サンプリング点で抽出された信号 μ＝信号値の平均値 σ＝信号値の標準偏差 ｋ＝１より大きい整数 二つの異なる統計モーメントの各々に対して異なる値がｋ値として求められるこ とを特徴とする請求の範囲第３３項に記載の方法。
35. ３５．前記引出し段階は、特徴ベクトルを求めて二つの算出された統計モーメン トの各々に対応する値を算入する段階を含むことを特徴とする請求の範囲第３４ 項に記載の方法。
36. ３６．前記量子化段階は、前記特徴ベクトルの各々の値を予め設定された非均一 な量子化パターンから得られた量子化値に置換える段階を含むことを特徴とする 請求の範囲第３３項に記載の方法。
37. ３７．前記使用段階は、前記メモリから放送情報の識別コードリストを取出す段 階を含み、前記識別段階は、前記分析された波形の一つを前記メモリ内の相関ラ イブラリに存在する複数の情報コードに相関させる段階と、複数の情報コードは 前記使用段階において取出された識別コードリストに対応し、相関値が予め設定 されたしきい値より大きい場合に当該放送情報が複数の情報コードの一つに類似 すると宣言する段階とを含むことを特徴とする請求の範囲第３６項に記載の方法 。
38. ３８．放送情報を受信する段階と、前記情報の分光分析を実行し複数の対応する 分析された波形を得る段階と、前記複数の分析された波形の一次結合をコンピュ ータ処理する段階と、前記一次結合の統計モーメントを算出する段階と、算出さ れた統計モーメントに基づいて受信された放送情報を分類する段階とで構成され ることを特徴とする放送情報分類法。
39. ３９．前記算出段階は、前記一次結合の上位統計モーメントを算出する段階と、 算出された統計モーメントを有する特徴ベクトルを求める段階とを含み、前記分 類段階は、求められた特徴ベクトルに基づいて受信された放送情報を分類する段 階を含むことを特徴とする請求の範囲第３８項に記載の方法。
40. ４０．放送信号を受信する段階と、受信信号を帯域フィルタで処理し複数の異な った帯域のフィルタ処理信号を得る段階と、フイルタ処理信号を整流し低帯域フ イルタで処理し複数の低帯域信号を得る段階と、前記低帯域信号の複数の一次結 合をコンピュータ処理する段階と、一次結合の中の数個を抽出して数組の抽出値 を得る段階と、抽出値一組毎に歪値と尖り値とを算出する段階と、数組の抽出値 の歪値と尖り値とから特徴ベクトルを求める段階と、各歪尖り値を複数の予め設 定されたの非均一な量子化パターンから得られた範疇値に置換えることによって 特徴ベクトルを量子化する段階と、量子化ベクトルを使用し複数の信号識別コー ドリストを格納している第一のデータベースにアクセスする段階と、ここで各リ ストは複数の信号識別コードを格納でき、量子化ベクトルに対応する信号識別コ ードリストを第一のデータベースから取出す段階と、第一のデータベースから取 出した信号識別コードリストにある信号に対応する格納された相関信号を第二の データベースから取出す段階と、取出した相関信号を前記コンピュータ処理段階 でコンピュータ処理された一次結合の中の一つに相関させる段階と、前記一つの 一次結合との相関値が予め設定されたしきい値より大きい場合に、当該放送情報 を前記相関信号の一つに類似するものとして分類する段階とで構成されることを 特徴とする放送信号分類方法。
41. ４１．信号を受信するための手段と、複数のサンプリング点で信号を抽出して複 数の信号値を得るための処理手段（ａ）と、以下の式に従って前記信号の統計モ ーメントを算出するための処理手段（ｂ）と；▲数式、化学式、表等があります ▼ ここで、 Ｎ＝サンプリング点の数 ｎ＝１＜ｎ＜Ｎ ｘ＝サンプリング点の前記信号の信号値μ＝信号値の平均値 σ＝信号値の標準偏差 ｋ＝１より大きい整数 複数の格納された信号識別コードを保持するライブラリに格納するための処理手 段（ｃ）と、算出された統計モーメントと前記ライブラリ内の複数の格納された 信号識別コードとを比較するための処理手段（ｄ）と、受信信号を前記格納され た信号識別コードの中の一つに類似するものとして認識するための処理手段（ｅ ）とで構成されることを特徴とする信号認識装置。
42. ４２．前記処理手段は、前記信号の歪と尖りを算出し、前記歪と前記尖りから特 徴ベクトルを求めることを特徴とする請求の範囲第４１項に記載の装置。
43. ４３．前記処理手段は、受信信号を低帯域フィルタで処理し複数のフイルタ処理 信号をえるための手段と、前記フイルタ処理信号を整流するための手段と、整流 信号を低帯域フイルタで処理するための手段と、低帯域フイルタ処理信号の複数 の一次結合をコンピュータ処理するための手段とを有することを特徴とする請求 の範囲第４１項に記載の装置。
44. ４４．前記処理手段は、（ａ１）複数のサンプリング点で前記一次結合の中の第 一の一つを抽出し第一の複数の信号値を得、（ａ２）複数のサンプリング点で前 記一次結合の中の第二の一つを抽出し第二の複数の信号値を得ることを特徴とす る請求の範囲第４３項に記載の装置。
45. ４５．前記処理手段は、（ｂ１）前記第一の複数の信号値から第一の歪値と第一 の尖り値とを算出し、前記第二の複数の信号値から第二の歪値と第二の尖り値と を算出し、（ｂ２）前記第一と第二の歪値と前記第一と第二の尖り値とから成る 特徴ベクトルを引出すことを特徴とする請求の範囲第４４項に記載の装置。
46. ４６．前記処理手段は、（ｄ１）複数の格納された予め設定された量子化パター ンにしたがって前記特徴ベクトルを量子化して量子化ベクトルを得、（ｄ２）前 記量子化ベクトルで前記ライブラリにアクセスして量子化ベクトルに対応する信 号識別コードを探索することを特徴とする請求の範囲第４５項に記載の装置。
47. ４７．前記処理手段は、（ｄ２ａ）非１０進数の基数を使って前記量子化ベクト ルの値の重み付き合計を求め、（ｄ２ｂ）重み付き合計をアドレスとして使用し て前記ライブラリ内に存在するポインタ表にアクセスし前記重みつき合計に対応 するポインタを探索し、前記ポインタを使用して前記ライブラリにアクセスし量 子化ベクトルに対応する信号識別コードを保持する信号識別コードリストを探索 することを特徴とする請求の範囲第４６項に記載の装置。
48. ４８．前記処理手段は、（ｅ１）前記複数の一次結合の中の第三の一つを前記信 号識別コードリスト内の信号識別コードに対応する複数の格納された信号に相関 させ、（ｅ２）前記第三の一次結合との相関値が予め設定されたしきい値より大 きい場合に、一つの格納された信号を指定することを特徴とする請求の範囲第４ ７項に記載の装置。
49. ４９．前記処理手段は、（ｄ１ａ）非均一的に分布された範疇の格納された予め 設定された歪量子化パターンにしたがって前記特徴ベクトルの各歪値を類別し、 （ｄ１ｂ）非均一的に分散された範疇の格納された予め設定された尖り量子化パ ターンにしたがって前記特徴ベクトルの各尖り値を類別することを特徴とする請 求の範囲第４６項に記載の装置。
50. ５０．基準信号を受信するための手段と、メモリと、複数のサンプリング点で前 記基準信号を抽出して複数の信号値を得るための処理手段（ａ）と、以下の式に 従って受信された基準信号の統計モーメントを算出するための処理手段（ｂ）と ； ▲数式、化学式、表等があります▼ ここで、 Ｎ＝サンプリング点の数 ｎ＝１＜ｎ＜Ｎ ｘ＝サンプリング点で抽出された信号値μ＝信号値の平均値 σ＝信号値の標準偏差 ｋ＝１より大きい整数 算出された統計モーメントから特徴ベクトルを引出すための処理手段（ｃ）と、 特徴ベクトルかもしくはその表現を前記メモリに格納するための処理手段（ｄ） とで構成されることを特徴とする信号認識に便利な信号ライブラリ作成装置。
51. ５１．前記処理手段は、受信された基準信号の二つの統計モーメンドを算出し、 算出された統計モーメントの両方から前記特徴ベクトルを引出すことを特徴とす る請求の範囲第５０項に記載の装置。
52. ５２．前記処理手段は、受信信号を帯域フイルタで処理し複数のフイルタ処理信 号を得、フイルタ処理信号を整流し、整流信号を低帯域フィルタで処理し、低帯 域フィルタ処理信号の複数の一次結合をコンピュータ処理することを特徴とする 請求の範囲第５０項に記載の装置。
53. ５３．前記処理手段は、（ａ１）複数の点で前記一次結合の中の一つの第一の部 分を抽出し第一の複数の信号値を得、（ａ２）複数の点で前記一つの一次結合の 第二の部分を抽出し第二の複数の信号値を得ることを特徴とする請求の範囲第５ ２項に記載の装置。
54. ５４．前記処理手段は、（ｂ１）前記第一の複数の信号値の歪と尖りを算出して 第一の歪値と第一の尖り値とを得、（ｂ２）前記第二の複数の信号値の歪と尖り を算出し第二の歪値と第二の尖り値とを得ることを特徴とする請求の範囲第５３ 項に記載の装置。
55. ５５．前記処理手段は、（ｃ１）前記第一の歪値と前記第一の尖り値とを有する 第一の特徴ベクトルを求め、（ｃ２）前記第二の歪値と前記第二の尖り値とを有 する第二の特徴ベクトルを求めることを特徴とする請求の範囲第５４項に記載の 装置。
56. ５６．前記処理手段は、（ｃ３）予め設定された非均一な量子化パターンに従っ て歪値と尖り値を整数に置換えることによって前記特徴ベクトルの両方を重子化 して第一と第二の量子化ベクトルを得ることを特徴とする請求の範囲第５５項に 記載の装置。
57. ５７．前記処理手段は、（ｄ１）非１０進数の基数を使って前記第一のベクトル の重み付き合計をコンピュータ処理し、（ｄ２）前記非１０進数の基数を使って 前記第二のベクトルの重み付け合計をコンピュータ処理し、（ｄ３）重み付き合 計を使用して前記メモリにアドレス指定し、（ｄ４）前記メモリの重み付き合計 に対応するアドレスに前記基準信号に対応する信号識別コードを格納することを 特徴とする請求の範囲第５６項に記載の装置。
58. ５８．前記処理手段は、（ｃ３）前記メモリに存在する予め設定された非均一な 重複量子化パターンに従って前記第一の特徴ベクトルから第一と第二の重複量子 化ベクトルを求め、（ｃ４）前記メモリに存在する前記予め設定された非均一な 重複量子化パターンにしたがって第二の特徴ベクトルから第三と第四の重複量子 化ベクトルを求め、（ｃ５）前記第一と第二の重複量子化ベクトルの第一の複数 の順列を求め、（ｃ６）前記第三と第四の重複量子化ベクトルの第二の複数の順 列を求めることを特徴とする請求の範囲第５５項に記載の装置。
59. ５９．前記処理手段は、（ｄ１）前記第一と第二の複数の順列の各々の値の重み 付き合計をコンピュータ処理し、（ｄ２）前記メモリの前記重み付き合計に対応 するアドレスをアクセスし、（ｄ３）前記基準信号を識別する信号識別コードを 前記メモリの前記アドレスに対応する領域に格納することを特徴とする請求の範 囲第５８項に記載の装置。
60. ６０．信号を受信するための受信器と、メモリと、複数の点で信号を抽出し複数 の信号値を得るためのプロセッサ（ａ）と、前記信号値から多値特徴ベクトルを 引出すためのプロセッサ（ｂ）と、各特徴ベクトル値を特徴ベクトル値を非均一 的に類別する予め設定された量子化パターンによって決定される範疇値に置換え ることによって前記特徴ベクトルを量子化するためのプロセッサ（ｃ）と、量子 化ベクトルで信号ライブラリにアクセスして受信信号に対応する信号識別コード を得るためのプロセッサ（ｄ）とで構成され、前記ライブラリは前記メモリに存 在することを特徴とする信号分類装置。
61. ６１．前記予め設定された量子化パターンは重複量子化パターンであることを特 徴とする請求の範囲第６０項に記載の装置。
62. ６２．前記プロセッサは複数の異なる予め設定された量子化パターンを利用して 前記特徴ベクトルを量子化することを特徴とする請求の範囲第６０項に記載の装 置。
63. ６３．前記プロセッサは、（ｂ１）前記複数の信号値の二つの異なる統計モーメ ントを算出し、（ｂ２）二つの算出された統計モーメントを使って前記特徴ベク トルを求めることを特徴とする請求の範囲第６０項に記載の装置。
64. ６４．予め設定された量子化パターンは、二つの統計モーメントの各々に対して 求められることを特徴とする請求の範囲第６３項に記載の装置。
65. ６５．前記二つの異なる統計モーメントは歪と尖りとで構成されることを特徴と する請求の範囲第６３項に記載の装置。
66. ６６．前記プロセッサは、前記受信信号のエンベロープ検出を行うことを特徴と する請求の範囲第６０項に記載の装置。
67. ６７．前記プロセッサは、（ｃ１）重複する範疇の少なくとも一つの予め設定さ れた量子化パターンに従って前記特徴ベクトルを複数の量子化ベクトルに置換え 、（ｃ２）前記複数の量子化ベクトルを順序付け別の複数の順序付けられた量子 化ベクトルを求めることを特徴とする請求の範囲第６０項に記載の装置。
68. ６８．前記プロセッサは、（ｄ１）前記複数の順序付けられた量子化ベクトルで 前記信号ライブラリにアクセスし、（ｄ２）前記メモリ記憶位置に受信信号に対 応する信号識別コードを書き込むことを特徴とする請求の範囲第６７項に記載の 装置。
69. ６９．前記受信器は、（ａ）前記信号を分光分析し異なる周波数帯域の複数の分 析された信号を得、（ｂ）前記分析された波形の一次結合を求め、前記プロセッ サは、一次結合を抽出して一次結合毎に複数のサンプリング点を得、対応するサ ンプリング点から一次結合毎に歪と尖りを算出し、前記特徴ベクトルを求め前記 一次結合の全部の歪値と尖り値を算入することを特徴とする請求の範囲第６０項 に記載の装置。
70. ７０．放送される複数の信号を受信するための受信器と、メモリと、放送される 信号を抽出して放送される信号毎に複数の分析された波形を求めるためのプロセ ッサ（ａ）と、前記分析波形から複数の特徴ベクトルを引出すためのプロセッサ （ｂ）と、複数の量子水準を設定する副段階（ｃ１）と、予め設定された統計分 布上に量子水準を非均一的に分散させる副段階（ｃ２）と、分散された量子水準 にしたがって複数の量子化しきい値を得る副段階（ｃ３）と、各特徴ベクトルの 各々値を前記量子化しきい値によって決定された対応する量子化値に置換える副 段階（ｃ４）とを実行して各特徴ベクトルを量子化するためのプロセッサ（ｃ） とで構成され、前記プロセッサは、（ｄ）各量子化ベクトルの値を対応する抽出 信号の信号識別コードとして前記メモリに格納することを特徴とする放送信号の 識別に便利な信号識別コードライブラリを準備するための装置。
71. ７１．量子水準は、重複した状態で分散され、前記プロセッサは、（ｃ４ａ）各 特徴ベクトルの各々の値を重複量子水準で決定される複数の量子化値に置換え、 これによって各特徴ベクトルを複数の量子化ベクトルに置換え、（ｃ４ｂ）各特 徴ベクトルの複数の量子化ベクトルを順序づけ複数の順序付けられたベクトルを 求め、また、前記プロセッサは、（ｄ１）複数の量子化ベクトルに対応する値を 抽出された信号毎に前記メモリに格納することを特徴とする請求の範囲第７０項 に記載の装置。
72. ７２．前記プロセッサは、（ｂ１）分析された波形毎に二つの統計モーメントを 算出し、（ｂ２）各特徴ベクトルを求めて二つの算出された統計モーメントを算 入することを特徴とする請求の範囲第７０項に記載の装置。
73. ７３．放送情報を受信するための手段と、放送情報の複数の識別コードを格納す るメモリと、受信された放送情報を分光分析して複数の分析された波形を求める ための手段と、前記分析波形の複数の一次結合を求めるための処理手段（ａ）と 、前記一次結合毎に少なくとも一つの統計モーメントをコンピュータ処理するた めの処理手段（ｂ）と、コンピュータ処理された統計モーメントから特徴ベクト ルを引出すための処理手段（ｃ）と、特徴ベクトルを量子化するための処理手段 （ｄ）と、量子化特徴ベクトルを使用して前記メモリに存在する前記複数の放送 情報識別にアクセスするための処理手段（ｅ）と、存在する識別コードに基づい て受信された放送を識別するための処理手段（ｆ）とで構成されることを特徴と する放送識別装置。
74. ７４．前記プロセッサは、（ｂ１）複数のサンプリング点で分析された波形を描 出し複数の抽出値を求め、（ｂ２）以下の式に従って分析波形毎に二つの異なる 統計モーメントを算出し； ▲数式、化学式、表等があります▼ ここで、 Ｎ＝サンプリング点の数 ｎ＝１＜ｎ＜Ｎ ｘ＝サンプリング点の抽出値 μ＝信号値の平均値 σ＝信号値の標準偏差 ｋ＝１より大きい整数 二つの異なる統計モーメントの各々に対して異なる値がｋ値として求められるこ とを特徴とする請求の範囲第７３項に記載の装置。
75. ７５．前記プロセッサは、（ｃ１）特徴ベクトルを求めて二つの算出された統計 モーメントの各々に対応する値を算入することを特徴とする請求の範囲第７４項 に記載の装置。
76. ７６．前記プロセッサは、（ｄ１）前記特徴ベクトルの各々の値を前記メモリに 存在する予め設定された非均一量子化パターンから得られた量子化値に置換える ことを特徴とする請求の範囲第７３項に記載の装置。
77. ７７．前記プロセッサは、（ｅ１）前記メモリから放送情報の識別コードリスト を取出し、（ｆ１）前記分析された波形の一つを前記メモリ内の相関ライブラリ に存在する複数の情報コードに相関させ、その複数の情報コードは取出された識 別リストに対応し、（ｆ２）相関値が予め設定されたしきい値より大きい場合に 当該放送情報が複数の情報コードの一つに類似すると宣言することを特徴とする 請求の範囲第７６項に記載の装置。
78. ７８．放送情報を受信するための手段と、前記情報の分光分析を行いそれに対応 する複数の分析された波形を求めるための処理手段（ａ）と、前記複数の分析波 形の一次結合をコンピュータ処理するための処理手段（ｂ）と、受信された放送 情報を算出された統計モーメントに基づいて分類するための処理手段（ｃ）とを 備えたことを特徴とする放送情報分類装置。
79. ７９．前記プロセッサは、（ｃ１）前記一次結合の二つの上位統計モーメントを 算出し、（ｃ２）算出された統計モーメントを有する特徴ベクトルを求め、（ｄ １）求められた特徴ベクトルに基づいて受信された放送情報を分類することを特 徴とする請求の範囲第７８項に記載の装置。
80. ８０．放送信号を受信するための受信器と、メモリと、受信信号を帯域フィルタ で処理し複数の帯域の異なるフィルタ処理信号を得るためのコンピュータ（ａ） と、フィルタ処理信号にエンベロープ検出と低帯域フイルタ処理を行い複数の低 帯域信号を得るためのコンピュータ（ｂ）と、前記低帯域信号の複数の一次結合 をコンピュータ処理するためのコンピュータ（ｃ）と、数個の一次結合を抽出し て数組の抽出値を得るためのコンピュータ（ｄ）と、各組の抽出値に対して歪値 と尖り値とを算出するためのコンピュータ（ｅ）と、数組の抽出値の歪値と尖り 値とから特徴ベクトルを求めるためのコンピュータ（ｆ）と、各歪尖り値を前記 メモリに存在する複数の予め設定された非均一量子化パターンから得られた範疇 値に置き換えることによって特徴ベクトルを量子化するためのコンピュータ（ｇ ）と、量子化ベクトルを使用して前記メモリ内の複数の信号識別コードリストを 格納する第一のデータベースにアクセスするためのコンピュータ（ｈ）と、各信 号識別コードリストは複数の信号識別コードを格納でき、量子化ベクトルに対応 する信号識別コードリストを第一のデータベースから取出すためのコンピュータ （ｉ）と、取出された信号識別コードリストに対応する相関信号を前記メモリ内 に存在する第二のデータベースから取出すためのコンピュータ（１）と、取出さ れた相関信号をコンピュータ処理された一次結合の中の一つに相関させるための コンピュータ（ｋ）と、前記一つの一次結合との相関値が予め設定されたしきい 値より大きい場合前記相関信号の中の一つに類似するものとして放送情報を分類 するためのコンピュータ（１）とを備えたことを特徴とする放送信号分類装置。