JPH08254995A - 音源の識別方法 - Google Patents
音源の識別方法Info
- Publication number
- JPH08254995A JPH08254995A JP7056394A JP5639495A JPH08254995A JP H08254995 A JPH08254995 A JP H08254995A JP 7056394 A JP7056394 A JP 7056394A JP 5639495 A JP5639495 A JP 5639495A JP H08254995 A JPH08254995 A JP H08254995A
- Authority
- JP
- Japan
- Prior art keywords
- sound source
- data
- frequency
- frequency spectrum
- acoustic signal
- 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.)
- Pending
Links
Abstract
(57)【要約】
【目的】 周波数スペクトル上の強度変化がある音源に
対して実時間処理で音源を特定できる音源の識別方法を
提供する。 【構成】 音源Ｘからの音響信号Ａを入力して、第１変
換器５にて周波数領域に展開し、そのデータの周波数を
１／Ｎオクターブフィルタ６にて分割し、各１／Ｎオク
ターブフィルタ６の出力の強度データを第２変換器７に
て正規化し、このデータをニューラルネットワーク８に
入力して音源を識別する。 【効果】 音源Ｘの音響信号Ａを拾い、正規化を行うこ
とにより、ほぼリアルタイムで音源Ｘを求めることがで
きるとともに、周波数スペクトル上の強度変化がある音
源Ｘに対しても識別を行うことができる。よって、船舶
などのように、ローリングやピッチングなどの周期的な
変動を有する音源を特定することができ、その実用的価
値は大きい。
対して実時間処理で音源を特定できる音源の識別方法を
提供する。 【構成】 音源Ｘからの音響信号Ａを入力して、第１変
換器５にて周波数領域に展開し、そのデータの周波数を
１／Ｎオクターブフィルタ６にて分割し、各１／Ｎオク
ターブフィルタ６の出力の強度データを第２変換器７に
て正規化し、このデータをニューラルネットワーク８に
入力して音源を識別する。 【効果】 音源Ｘの音響信号Ａを拾い、正規化を行うこ
とにより、ほぼリアルタイムで音源Ｘを求めることがで
きるとともに、周波数スペクトル上の強度変化がある音
源Ｘに対しても識別を行うことができる。よって、船舶
などのように、ローリングやピッチングなどの周期的な
変動を有する音源を特定することができ、その実用的価
値は大きい。
Description
【０００１】
【産業上の利用分野】本発明は音源の識別方法に関す
る。
る。
【０００２】
【従来の技術】従来、変動の多い船舶音の識別の場合、
ローファーグラム（ソーナーに入力した信号の周波数と
強度を表示する装置）を、作業員が見て判断し、またノ
イズ下のプラント装置の異常音の識別の場合、エンジ
ン、モータなどの機械音を、作業員が耳で聞き、故障な
どの異常を判断している。
ローファーグラム（ソーナーに入力した信号の周波数と
強度を表示する装置）を、作業員が見て判断し、またノ
イズ下のプラント装置の異常音の識別の場合、エンジ
ン、モータなどの機械音を、作業員が耳で聞き、故障な
どの異常を判断している。
【０００３】
【発明が解決しようとする課題】このように、作業員
が、その識別、異常を判断していたため、その判断に熟
練を有し、かつ判断を正確に行うことが困難であった。
が、その識別、異常を判断していたため、その判断に熟
練を有し、かつ判断を正確に行うことが困難であった。
【０００４】上記のような欠点を解消するために、音源
の音響信号をコンピュータ装置に入力し、周波数領域に
展開し、その識別、異常を検出することが考えられる
が、船舶などのように、ローリングやピッチングなどの
周期的な変動を有する音源の場合、音源の放射する音の
周波数スペクトルが常に同じにならないため、音源を特
定できないという問題があった。このため、多くのデー
タを学習させるか、データの平均化処理が必要となり、
リアルタイムで識別できないという問題があった。
の音響信号をコンピュータ装置に入力し、周波数領域に
展開し、その識別、異常を検出することが考えられる
が、船舶などのように、ローリングやピッチングなどの
周期的な変動を有する音源の場合、音源の放射する音の
周波数スペクトルが常に同じにならないため、音源を特
定できないという問題があった。このため、多くのデー
タを学習させるか、データの平均化処理が必要となり、
リアルタイムで識別できないという問題があった。
【０００５】本発明は上記問題を解決するものであり、
周波数スペクトル上の強度変化がある音源に対してリア
ルタイムで音源を特定できる音源の識別方法を提供する
ことを目的とするものである。
周波数スペクトル上の強度変化がある音源に対してリア
ルタイムで音源を特定できる音源の識別方法を提供する
ことを目的とするものである。
【０００６】
【課題を解決するための手段】上記課題を解決するた
め、本発明の音源の識別方法は、音源からの音響信号を
入力して、周波数領域に展開し、そのデータの周波数を
１／Ｎオクターブフィルタにて分割し、各１／Ｎオクタ
ーブフィルタの出力の強度データを正規化し、このデー
タをニューラルネットワークに入力して音源を識別する
ことを特徴とするものである。
め、本発明の音源の識別方法は、音源からの音響信号を
入力して、周波数領域に展開し、そのデータの周波数を
１／Ｎオクターブフィルタにて分割し、各１／Ｎオクタ
ーブフィルタの出力の強度データを正規化し、このデー
タをニューラルネットワークに入力して音源を識別する
ことを特徴とするものである。
【０００７】
【作用】上記の識別方法によると、音源からの音響信号
を周波数領域に展開し、そのデータの周波数を１／Ｎオ
クターブフィルタにて分割し、各１／Ｎオクターブフィ
ルタの出力の強度データを正規化するため、周波数スペ
クトル上の強度変化がある音源に対してもリアルタイム
で識別を行なえる。よって船舶などのように、ローリン
グやピッチングなどの周期的な変動を有する音源の特定
も可能となる。また、平均化処理などが不要となり、リ
アルタイム処理が可能となる。
を周波数領域に展開し、そのデータの周波数を１／Ｎオ
クターブフィルタにて分割し、各１／Ｎオクターブフィ
ルタの出力の強度データを正規化するため、周波数スペ
クトル上の強度変化がある音源に対してもリアルタイム
で識別を行なえる。よって船舶などのように、ローリン
グやピッチングなどの周期的な変動を有する音源の特定
も可能となる。また、平均化処理などが不要となり、リ
アルタイム処理が可能となる。
【０００８】
【実施例】以下、本発明の一実施例を図面に基づいて説
明する。図１に本発明の音源の識別方法を使用した音源
識別装置の構成の一例を示す。
明する。図１に本発明の音源の識別方法を使用した音源
識別装置の構成の一例を示す。
【０００９】図示するように、音源識別装置１は、音源
Ｘから放射された音響信号Ａを集音するマイク２と、マ
イク２により集音されたデータをサンプリングしてディ
ジタルデータに変換するアナログ−ディジタル変換器３
と、このアナログ−ディジタル変換器３から出力された
データを所定時間記憶するメモリ４と、このメモリ４に
所定時間記憶された音のデータを高速フーリエ変換（Ｆ
ＦＴ）する第１変換器５と、この第１変換器５により求
められた周波数スペクトルを分割する１／Ｎオクターブ
フィルタ６と、各１／Ｎオクターブフィルタ６の出力デ
ータを正規化する第２変換器７と、これら正規化された
データを入力し、音源Ｘを特定して出力するニューラル
ネットワーク８と、このニューラルネットワーク８の出
力により点灯して音源Ｘを表示するランプ９から構成さ
れている。上記メモリ４、第１変換器５、１／Ｎオクタ
ーブフィルタ６、第２変換器７、ニューラルネットワー
ク８はコンピュータにより構成される。
Ｘから放射された音響信号Ａを集音するマイク２と、マ
イク２により集音されたデータをサンプリングしてディ
ジタルデータに変換するアナログ−ディジタル変換器３
と、このアナログ−ディジタル変換器３から出力された
データを所定時間記憶するメモリ４と、このメモリ４に
所定時間記憶された音のデータを高速フーリエ変換（Ｆ
ＦＴ）する第１変換器５と、この第１変換器５により求
められた周波数スペクトルを分割する１／Ｎオクターブ
フィルタ６と、各１／Ｎオクターブフィルタ６の出力デ
ータを正規化する第２変換器７と、これら正規化された
データを入力し、音源Ｘを特定して出力するニューラル
ネットワーク８と、このニューラルネットワーク８の出
力により点灯して音源Ｘを表示するランプ９から構成さ
れている。上記メモリ４、第１変換器５、１／Ｎオクタ
ーブフィルタ６、第２変換器７、ニューラルネットワー
ク８はコンピュータにより構成される。
【００１０】上記構成により、音源Ｘからの音響信号Ａ
に基づき、音源Ｘを識別する方法について説明する。音
源Ｘから放射された音響信号Ａは、マイク２により集音
され、アナログ−ディジタル変換器３を介してメモリ４
に記憶され、所定時間記憶されたメモリ４の音のデータ
は、第１変換器５により高速フーリエ変換（ＦＦＴ）さ
れて、たとえば図２（ａ）に示す周波数スペクトルが求
められる。
に基づき、音源Ｘを識別する方法について説明する。音
源Ｘから放射された音響信号Ａは、マイク２により集音
され、アナログ−ディジタル変換器３を介してメモリ４
に記憶され、所定時間記憶されたメモリ４の音のデータ
は、第１変換器５により高速フーリエ変換（ＦＦＴ）さ
れて、たとえば図２（ａ）に示す周波数スペクトルが求
められる。
【００１１】次に、上記周波数スペクトルのデータは１
／Ｎオクターブフィルタ６にて分割され、各１／Ｎオク
ターブフィルタ毎の強度データが求められる（たとえ
ば、図２（ａ）の周波数帯の強度データＤ）。
／Ｎオクターブフィルタ６にて分割され、各１／Ｎオク
ターブフィルタ毎の強度データが求められる（たとえ
ば、図２（ａ）の周波数帯の強度データＤ）。
【００１２】次に各１／Ｎオクターブフィルタ６のデー
タはそれぞれ第２変換器７において正規化される。すな
わち、周波数スペクトルの縦軸の強度を、特定の関数に
基づいて幅をもたせて図２（ａ）に示すように複数の範
囲（強度範囲）〜に分割しておき、入力した強度デ
ータの特徴点（放物線形状の頂部）の有無を確認し、特
徴点がある場合に、その上記強度範囲〜を求めて出
力する。たとえば、周波数帯の強度データＤの場合、
強度範囲が出力（オン）される。図２（ａ）に示す周
波数スペクトルの場合の第２変換器７の出力の一覧を図
２（ｂ）に示す。○の部分がオンとなり、ニューラルネ
ットワーク８へ入力される。
タはそれぞれ第２変換器７において正規化される。すな
わち、周波数スペクトルの縦軸の強度を、特定の関数に
基づいて幅をもたせて図２（ａ）に示すように複数の範
囲（強度範囲）〜に分割しておき、入力した強度デ
ータの特徴点（放物線形状の頂部）の有無を確認し、特
徴点がある場合に、その上記強度範囲〜を求めて出
力する。たとえば、周波数帯の強度データＤの場合、
強度範囲が出力（オン）される。図２（ａ）に示す周
波数スペクトルの場合の第２変換器７の出力の一覧を図
２（ｂ）に示す。○の部分がオンとなり、ニューラルネ
ットワーク８へ入力される。
【００１３】正規化されたデータはニューラルネットワ
ーク８へ入力され、音源Ｘが特定される。このニューラ
ルネットワーク８は、予め音源Ｘが特定されている物
体、たとえば「ヘリコプター」「鳥」「虫」の音響信号
Ａをマイク２へ入力して、各正規化されたデータにより
音源Ｘを学習している。
ーク８へ入力され、音源Ｘが特定される。このニューラ
ルネットワーク８は、予め音源Ｘが特定されている物
体、たとえば「ヘリコプター」「鳥」「虫」の音響信号
Ａをマイク２へ入力して、各正規化されたデータにより
音源Ｘを学習している。
【００１４】ニューラルネットワーク８の出力によりラ
ンプ９が点灯され、識別された音源Ｘが表示される。こ
のように、マイク２により音源Ｘの音響信号Ａを拾って
周波数スペクトルを求め、１／Ｎオクターブフィルタ６
で分割して正規化を行うことにより、周波数スペクトル
上の強度変化がある音源Ｘに対しても識別を行うことが
でき、よって、船舶などのように、ローリングやピッチ
ングなどの周期的な変動を有する音源を特定することが
でき、その実用的価値は大きい。また正規化を行うこと
により、データの平均化処理などを行う必要がなくな
り、ほぼリアルタイムで音源Ｘを求めることができる。
ンプ９が点灯され、識別された音源Ｘが表示される。こ
のように、マイク２により音源Ｘの音響信号Ａを拾って
周波数スペクトルを求め、１／Ｎオクターブフィルタ６
で分割して正規化を行うことにより、周波数スペクトル
上の強度変化がある音源Ｘに対しても識別を行うことが
でき、よって、船舶などのように、ローリングやピッチ
ングなどの周期的な変動を有する音源を特定することが
でき、その実用的価値は大きい。また正規化を行うこと
により、データの平均化処理などを行う必要がなくな
り、ほぼリアルタイムで音源Ｘを求めることができる。
【００１５】なお、上記実施例においては、各音源Ｘを
識別する場合について説明したが、例えばプラントにお
ける異常音の識別、または機械装置の故障の判断にも、
適用し得る方法である。
識別する場合について説明したが、例えばプラントにお
ける異常音の識別、または機械装置の故障の判断にも、
適用し得る方法である。
【００１６】また、周波数スペクトルの縦軸の強度範囲
に、特定の関数に基づいて幅をもたせているが、所定の
周波数の強度により、その幅を変更するようにすること
も可能である。
に、特定の関数に基づいて幅をもたせているが、所定の
周波数の強度により、その幅を変更するようにすること
も可能である。
【００１７】
【発明の効果】以上のように、本発明の音源の識別方法
によると、音源からの音響信号を周波数領域に展開し、
そのデータの周波数を１／Ｎオクターブフィルタにて分
割し、各１／Ｎオクターブフィルタの出力の強度データ
を正規化するため、リアルタイムで音源を求めることが
できるとともに、周波数スペクトル上の強度変化がある
音源に対しても識別を行うことができ、よって船舶など
のように、ローリングやピッチングなどの周期的な変動
を有する音源を特定することができる。
によると、音源からの音響信号を周波数領域に展開し、
そのデータの周波数を１／Ｎオクターブフィルタにて分
割し、各１／Ｎオクターブフィルタの出力の強度データ
を正規化するため、リアルタイムで音源を求めることが
できるとともに、周波数スペクトル上の強度変化がある
音源に対しても識別を行うことができ、よって船舶など
のように、ローリングやピッチングなどの周期的な変動
を有する音源を特定することができる。
【図１】本発明の一実施例における音源の識別方法を使
用した音源識別装置の構成図である。
用した音源識別装置の構成図である。
【図２】同音源識別装置の周波数スペクトルと正規化さ
れたデータの図である。
れたデータの図である。
Ｘ 音源 Ａ 音響信号 １ 音源識別装置 ２ マイク ３ アナログ−ディジタル変換器 ４ メモリ ５ 第１変換器 ６ １／Ｎオクターブフィルタ ７ 第２変換器 ８ ニューラルネットワーク ９ 表示ランプ
Claims (1)
- 【請求項１】音源からの音響信号を入力して、周波数領
域に展開し、そのデータの周波数を１／Ｎオクターブフ
ィルタにて分割し、各１／Ｎオクターブフィルタの出力
の強度データを正規化し、このデータをニューラルネッ
トワークに入力して音源を識別することを特徴とする音
源の識別方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7056394A JPH08254995A (ja) | 1995-03-16 | 1995-03-16 | 音源の識別方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7056394A JPH08254995A (ja) | 1995-03-16 | 1995-03-16 | 音源の識別方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH08254995A true JPH08254995A (ja) | 1996-10-01 |
Family
ID=13026007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7056394A Pending JPH08254995A (ja) | 1995-03-16 | 1995-03-16 | 音源の識別方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH08254995A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10334069A (ja) * | 1997-06-03 | 1998-12-18 | Mikio Shimokawa | ニューラルネットワーク |
| DE19925509A1 (de) * | 1999-06-04 | 2000-12-07 | Deutsche Telekom Ag | Akustisch-mechanisches Verifikations-Sendegerät |
| JP2018205292A (ja) * | 2017-06-05 | 2018-12-27 | 瀏陽 宋 | 時間領域・周波数領域のヒストグラムの特徴解析による状態識別法 |
| WO2020075008A1 (ja) * | 2018-10-11 | 2020-04-16 | 株式会社半導体エネルギー研究所 | 車両警報装置 |
-
1995
- 1995-03-16 JP JP7056394A patent/JPH08254995A/ja active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10334069A (ja) * | 1997-06-03 | 1998-12-18 | Mikio Shimokawa | ニューラルネットワーク |
| DE19925509A1 (de) * | 1999-06-04 | 2000-12-07 | Deutsche Telekom Ag | Akustisch-mechanisches Verifikations-Sendegerät |
| US6742713B1 (en) | 1999-06-04 | 2004-06-01 | Deutsche Telekom Ag | Access controlled system with acoustic mechanical verification transmitter |
| JP2018205292A (ja) * | 2017-06-05 | 2018-12-27 | 瀏陽 宋 | 時間領域・周波数領域のヒストグラムの特徴解析による状態識別法 |
| WO2020075008A1 (ja) * | 2018-10-11 | 2020-04-16 | 株式会社半導体エネルギー研究所 | 車両警報装置 |
| CN112805764A (zh) * | 2018-10-11 | 2021-05-14 | 株式会社半导体能源研究所 | 车辆警报装置 |
| JPWO2020075008A1 (ja) * | 2018-10-11 | 2021-11-25 | 株式会社半導体エネルギー研究所 | 車両警報装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110307994B (zh) | 异声检测装置以及异声检测方法 | |
| US5309379A (en) | Monitoring | |
| AU2012283315B2 (en) | Method and device for automatically detecting marine animals | |
| CN101236250B (zh) | 声音判定方法和声音判定装置 | |
| EP3998557A1 (en) | Audio signal processing method, model training method, and related apparatus | |
| US20050080620A1 (en) | Digitization of work processes using wearable wireless devices capable of vocal command recognition in noisy environments | |
| US5293578A (en) | Noise reducing device | |
| CN107527617A (zh) | 基于声音识别的监控方法、装置及系统 | |
| US20040081322A1 (en) | Method and arrangement for processing noise signal from a noise source | |
| CN110044472A (zh) | 一种线上产品异音异响智能检测系统 | |
| Yoon et al. | Vibration‐based wind turbine planetary gearbox fault diagnosis using spectral averaging | |
| CN113298134B (zh) | 一种基于bpnn的风机叶片远程非接触健康监测系统和方法 | |
| CN113567162A (zh) | 基于声传感器的风机故障智能诊断装置及方法 | |
| JPH08254995A (ja) | 音源の識別方法 | |
| JPS61265533A (ja) | 回転体の異常検出装置 | |
| JP2845850B2 (ja) | 目標自動検出方式 | |
| US6370482B1 (en) | Method for automated diagnosis of diagnostic objects | |
| AU2021415086B2 (en) | Blade fault diagnosis method, apparatus and system, and storage medium | |
| EP0978120B1 (en) | Device and method for analysis and filtration of sound | |
| CN108831502A (zh) | 警示音离线识别方法及装置 | |
| Schrama et al. | Automated monitoring of avian flight calls during nocturnal migration | |
| US7012854B1 (en) | Method for detecting emitted acoustic signals including signal to noise ratio enhancement | |
| JPH05333899A (ja) | 音声入力装置、音声認識装置および警報発生装置 | |
| JP2806814B2 (ja) | 目標自動検出方式 | |
| JPH0844695A (ja) | 音源の識別方法 |