JPWO2019077723A1 - 信号処理装置、信号処理方法およびプログラム - Google Patents
信号処理装置、信号処理方法およびプログラム Download PDFInfo
- Publication number
- JPWO2019077723A1 JPWO2019077723A1 JP2019549070A JP2019549070A JPWO2019077723A1 JP WO2019077723 A1 JPWO2019077723 A1 JP WO2019077723A1 JP 2019549070 A JP2019549070 A JP 2019549070A JP 2019549070 A JP2019549070 A JP 2019549070A JP WO2019077723 A1 JPWO2019077723 A1 JP WO2019077723A1
- Authority
- JP
- Japan
- Prior art keywords
- signal
- target
- matrix
- target signal
- information
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims description 14
- 238000000605 extraction Methods 0.000 claims abstract description 118
- 238000004458 analytical method Methods 0.000 claims abstract description 99
- 238000004364 calculation method Methods 0.000 claims abstract description 88
- 238000000034 method Methods 0.000 claims abstract description 63
- 230000008878 coupling Effects 0.000 claims abstract description 55
- 238000010168 coupling process Methods 0.000 claims abstract description 55
- 238000005859 coupling reaction Methods 0.000 claims abstract description 55
- 239000000284 extract Substances 0.000 claims abstract description 25
- 238000000926 separation method Methods 0.000 claims description 107
- 238000009795 derivation Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 description 414
- 238000001514 detection method Methods 0.000 description 85
- 230000000694 effects Effects 0.000 description 36
- 230000006870 function Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 18
- 239000013598 vector Substances 0.000 description 14
- 239000000203 mixture Substances 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000000717 retained effect Effects 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000012880 independent component analysis Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 239000011521 glass Substances 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- 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
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Circuit For Audible Band Transducer (AREA)
- Complex Calculations (AREA)
Abstract
Description
本発明の実施形態の説明の前に、本発明の実施形態の技術及び非特許文献1記載の技術の両者の前提技術である、信号を分離する技術について説明する。
以上が、前提技術である。上述の例では、ある特定のピアノAを目的音源とし、特定のピアノAの特徴量としてW_(ピアノA)を定義した。しかし、現実にはピアノの音には個体差がある。従って、「ピアノの音」を目的音源とする場合に上述の方法により精度よく目的信号を分離するためには、様々な個体のピアノの音の特徴量ベクトルを含む特徴量基底行列Wを保持することが求められる。目的音源がより一般的な「足音」や「ガラスが割れる音」などである場合に上述の方法により精度よく目的信号を分離するためには、膨大なバリエーションの足音やガラスの割れる音に関して特徴量ベクトルを保持することが求められる。その場合、特徴量基底行列W_(足音)や特徴量基底行列W_(ガラスの割れる音)は、膨大な列数の行列になる。そのため、特徴量基底行列Wを保持するためのメモリコストが膨大となる。以下で説明する本発明の実施形態の目的の1つは、目的信号に膨大なバリエーションが存在する場合であっても、必要なメモリコストを軽減しながら、目的信号が混在して収録された信号を目的音源の成分へ分離することである。
次に、本発明の第1の実施形態について、図面を参照して詳細に説明する。
図1は、本実施形態に係る信号分離装置100の構成の例を表すブロック図である。信号分離装置100は、特徴抽出部101と、信号情報記憶部102と、分析部103と、結合部104と、受信部105と、出力部106と、一時記憶部107とを含む。
次に、本実施形態の信号分離装置100の動作について、図面を参照して詳細に説明する。
非特許文献1などで用いられる目的信号のバリエーションのすべてを特徴量基底でモデル化する方法では、目的信号のバリエーションが多くなるにつれて特徴量基底行列が大きくなるので、膨大なメモリコストが必要である。本実施形態では、分離の対象であるすべての目的信号を表現するための、より細かい単位の基底である、信号素基底の組み合わせとして目的信号をモデル化する。そのため、目的信号のバリエーションは、基底の組み合わせ方法のバリエーションとして表現される。従って、バリエーションが増加する場合であっても、目的信号の特徴量基底そのものではなく、より低次元な組み合わせ行列のみを増やせばよい。本実施形態では、必要なメモリコストは、非特許文献1の技術において必要なメモリコストより低い。したがって、本実施形態では、目的信号の成分の特徴量がモデル化された基底に必要なメモリコストは低いので、必要なメモリコストを低減しながら信号を分解することができる。
次に本発明の第2の実施形態について、図面を参照して詳細に説明する。
図3は、本実施形態の信号検出装置200の構成を表すブロック図である。図3によると、信号検出装置200は、特徴抽出部101と、信号情報記憶部102と、分析部103と、検出部204と、受信部105と、出力部106と、一時記憶部107とを含む。
次に、本実施形態の信号検出装置200の動作について、図面を参照して詳細に説明する。
非特許文献1などで用いられる目的信号のバリエーションのすべてを特徴量基底でモデル化する方法では、目的信号のバリエーションが多くなるにつれて特徴量基底行列が大きくなるので、膨大なメモリコストが必要である。本実施形態では、分離の対象であるすべての目的信号を表現するための、より細かい単位の基底である、信号素基底の組み合わせとして目的信号をモデル化する。そのため、目的信号のバリエーションは、基底の組み合わせ方法のバリエーションとして表現される。従って、バリエーションが増加する場合であっても、目的信号の特徴量基底そのものではなく、より低次元な組み合わせ行列のみを増やせばよい。本実施形態では、必要なメモリコストは、非特許文献1の技術において必要なメモリコストより低い。したがって、本実施形態では、目的信号の成分の特徴量がモデル化された基底に必要なメモリコストは低いので、必要なメモリコストを低減しながら信号を検出することができる。
次に本発明の第3の実施形態について、図面を参照して詳細に説明する。
<構成>
図5は、本実施形態に係る信号分離装置300の構成の例を表すブロック図である。図5によると、信号分離装置300は、特徴抽出部101と、信号情報記憶部102と、分析部103と、結合部104と、受信部105と、出力部106と、一時記憶部107とを含む。信号分離装置300は、更に、第2特徴抽出部301と、組み合わせ計算部302と、第2受信部303とを含む。信号分離装置300の特徴抽出部101、信号情報記憶部102、分析部103、結合部104、受信部105、出力部106、及び一時記憶部107は、第1の実施形態の信号分離装置100の、同じ名称及び番号が付与されている部と同様に動作する。
次に、本実施形態の信号分離装置300の動作について、図面を参照して詳細に説明する。
本実施形態には、第1の効果として、第1の実施形態の効果と同じ効果がある。その理由は、第1の実施形態の効果が生じる理由と同じである。
次に本発明の第4の実施形態に係る信号検出装置について、図面を用いて詳細に説明する。
図7は、本実施形態に係る信号検出装置400の構成の例を表すブロック図である。図7によると、信号検出装置400は、特徴抽出部101と、信号情報記憶部102と、分析部103と、受信部105と、検出部204と、出力部106と、一時記憶部107と、第2特徴抽出部301と、組み合わせ計算部302と、第2受信部303とを含む。図5に示す第3の実施形態の信号分離装置300と比較すると、信号検出装置400は、結合部104の代わりに、検出部204を含む。本実施形態の特徴抽出部101、信号情報記憶部102、分析部103、受信部105、検出部204、出力部106、及び一時記憶部107は、第2の実施形態の同じ名称及び符号が付与されている部と同じである。本実施形態の第2特徴抽出部301、組み合わせ計算部302、及び、第2受信部303は、第3の実施形態の同じ名称及び符号が付与されている部と同じである。
次に、本実施形態の信号検出装置400の動作について、図面を参照して詳細に説明する。
本実施形態には、第1の効果として、第2の実施形態の効果と同じ効果がある。その理由は、第2の実施形態の効果が生じる理由と同じである。本実施形態には、第2の効果として、第3の実施形態の第2の効果と同じ効果がある。その効果が生じる理由は、第3の実施形態の第2の効果が生じる理由と同じである。
次に、本発明の第5の実施形態に係る信号分離装置について、図面を用いて詳細に説明する。
図8は、本実施形態の信号分離装置500の構成の例を表すブロック図である。信号分離装置500は、第1の実施形態の信号分離装置100と同様に、特徴抽出部101と、信号情報記憶部102と、分析部103と、結合部104と、受信部105と、出力部106と、一時記憶部107とを含む。本実施形態の特徴抽出部101、信号情報記憶部102、分析部103、結合部104、受信部105、出力部106、及び、一時記憶部107は、第1の実施形態の信号分離装置100の、同じ名称と符号が付与されている部と同じである。信号分離装置500は、さらに、第3の実施形態の信号分離装置300と同様に、第2特徴抽出部301と、組み合わせ計算部302と、第2受信部303とを含む。本実施形態の第2特徴抽出部301、組み合わせ計算部302、及び、第2受信部303は、以下で説明する相違を除いて、第3の実施形態の信号分離装置300の、同じ名称と符号が付与されている部と同じである。信号分離装置500は、さらに、第3特徴抽出部501と、基底抽出部502と、基底記憶部503と、第3受信部504とを含む。
次に、本実施形態の信号分離装置500の動作について、図面を参照して詳細に説明する。
本実施形態には、第3の実施形態の第1の効果及び第2の効果と同じ効果がある。その理由は、第3の実施形態のそれらの効果が生じる理由と同様である。
次に本発明の第6の実施形態に係る信号検出装置について、図面を用いて詳細に説明する。
図10は、本実施形態の信号検出装置600の構成を表す図である。図10によると、本実施形態の信号検出装置600は、特徴抽出部101と、信号情報記憶部102と、分析部103と、受信部105と、出力部106と、一時記憶部107と、検出部204とを含む。本実施形態の特徴抽出部101、信号情報記憶部102、分析部103、受信部105、出力部106、一時記憶部107、及び、検出部204は、第2の実施形態の、同じ名称と符号が付与されている部と同じである。信号検出装置600は、さらに、第2特徴抽出部301と、組み合わせ計算部302と、第2受信部303とを含む。本実施形態の第2特徴抽出部301、組み合わせ計算部302、第2受信部303は、第3の実施形態の、同じ名所と符号が付与されている部と同じである。信号検出装置600は、さらに、第3特徴抽出部501と、基底抽出部502と、基底記憶部503と、第3受信部504とを含む。本実施形態の第3特徴抽出部501、基底抽出部502、基底記憶部503、第3受信部504は、第5の実施形態の、同じ名称と符号が付与されている部と同じである。
次に、本実施形態の信号検出装置600の動作について、図面を参照して詳細に説明する
図4は、本実施形態の信号検出装置600の、目的信号を検出する動作を表すフローチャートである。本実施形態の信号検出装置600、目的信号を検出する動作は、第2の実施形態の信号検出装置200の、目的信号を検出する動作と同じである。
本実施形態には、第4の実施形態の第1の効果及び第2の効果と同じ効果がある。その理由は、第4の実施形態の第1の効果及び第2の効果が生じる理由と同じである。
次に、本発明の第7の実施形態について、図面を参照して詳細に説明する。
図11は、本実施形態の信号処理装置700の構成の例を表すブロック図である。
図12は、本実施形態の信号処理装置700の動作の例を表すフローチャートである。図12によると、特徴抽出部101は、対象信号の特徴量を抽出する(ステップS701)。次に、分析部103は、抽出された特徴量と、信号素基底と、信号素基底の線形結合の情報とに基づいて、対象信号における目的信号の強さを表す重みを算出する(ステップS702)。ステップS702において、分析部103は、第1、第2、第3、第4、第5、及び、第6の実施形態の分析部103と同様に、重みを算出すればよい。分析部103は、所定の条件が満たされているか否かを判定する(ステップS703)。所定の条件が満たされていない場合(ステップS703においてNO)、分析部103は、抽出された特徴量と信号素基底と計算された重みとに基づいて、線形結合の情報を更新する(ステップS704)。そして、信号処理装置700の動作は、ステップS702の動作に戻る。所定の条件が満たされている場合(ステップS703においてYES)、処理部704は、計算された重みに基づいて、対象目的信号の情報を導出する(ステップS705)。ステップS705において、処理部704は、第1、第3、第5の実施形態の結合部104と同様に動作し、対象目的信号の情報として、対象目的信号の成分の分離信号を導出してもよい。ステップS705において、処理部703は、第2、第4、第5の実施形態の検出部204と同様に動作し、対象目的信号の情報として、対象信号に対象目的信号が含まれているか否かを示す情報を導出してもよい。出力部106は、導出された、対象目的信号の情報を出力する(ステップS706)。
本実施形態には、目的信号のばらつきが大きい場合であっても、低いメモリコストで、モデル化された目的信号の成分の情報を得ることができるという効果がある。その理由は、抽出された特徴量と複数の種類の目的信号を線形結合によって表す信号素基底とその線形結合の情報とに基づいて、目的信号の重みを計算するからである。そして、処理部704が、重みに基づいて、対象目的信号の情報を導出する。複数の種類の目的信号を線形結合によって表す信号素基底を使用することによって、前提技術と比較して、メモリコストが低減される。
以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。
対象信号から当該対象信号の特徴を表す特徴量を抽出する特徴抽出手段と、
抽出された前記特徴量と複数の種類の目的信号を線形結合によって表す信号素基底と前記線形結合の情報とに基づく、前記対象信号に含まれる前記複数の目的信号の各々の強さを表す重みの計算と、前記特徴量と前記信号素基底と前記重みとに基づく前記線形結合の情報の更新とを、所定の条件が満たされるまで繰り返す分析手段と、
前記重みに基づいて、前記対象信号に含まれ、少なくとも1種類の前記目的信号である対象目的信号の情報を導出する処理手段と、
前記対象目的信号の情報を出力する出力手段と、
を備える信号処理装置。
前記処理手段は、前記信号素基底と、前記線形結合の情報と、前記重みとに基づいて、前記対象信号に含まれる前記対象目的信号の成分を表す分離信号を、前記対象目的信号の情報として導出する
付記1に記載の信号処理装置。
前記処理手段は、前記重みに基づいて、前記対象目的信号が前記対象信号に含まれるか否かを、前記対象目的信号の情報として導出する
付記1に記載の信号処理装置。
前記複数の種類の目的信号を含む目的信号学習用信号から抽出された特徴量である目的信号学習用特徴量と、前記目的信号学習用信号における前記複数の種類の目的信号の強さを表す第2の重みとに基づいて、前記線形結合の情報の初期値を計算する組み合わせ計算手段
を備える、付記1から3のいずれか1項に記載の信号処理装置。
前記組み合わせ計算手段は、前記目的信号学習用特徴量に基づいて、前記信号素基底をさらに計算する
付記4に記載の信号処理装置。
前記複数の種類の目的信号を含む基底学習用信号から抽出された特徴量に基づいて、前記信号素基底を抽出する基底抽出手段
を備え、
前記組み合わせ計算手段は、前記目的信号学習用特徴量と、前記第2の重みと、抽出された前記信号素基底とに基づいて、前記線形結合の情報の前記初期値を計算する
付記4に記載の信号処理装置。
対象信号から当該対象信号の特徴を表す特徴量を抽出し、
抽出された前記特徴量と複数の種類の目的信号を線形結合によって表す信号素基底と前記線形結合の情報とに基づく、前記対象信号に含まれる前記複数の目的信号の各々の強さを表す重みの計算と、前記特徴量と前記信号素基底と前記重みとに基づく前記線形結合の情報の更新とを、所定の条件が満たされるまで繰り返し、
前記重みに基づいて、前記対象信号に含まれ、少なくとも1種類の前記目的信号である対象目的信号の情報を導出し、
前記対象目的信号の情報を出力する、
信号処理方法。
前記信号素基底と、前記線形結合の情報と、前記重みとに基づいて、前記対象信号に含まれる前記対象目的信号の成分を表す分離信号を、前記対象目的信号の情報として導出する
付記7に記載の信号処理方法。
前記重みに基づいて、前記対象目的信号が前記対象信号に含まれるか否かを、前記対象目的信号の情報として導出する
付記7に記載の信号処理方法。
前記複数の種類の目的信号を含む目的信号学習用信号から抽出された特徴量である目的信号学習用特徴量と、前記目的信号学習用信号における前記複数の種類の目的信号の強さを表す第2の重みとに基づいて、前記線形結合の情報の初期値を計算する
付記7から9のいずれか1項に記載の信号処理方法。
前記目的信号学習用特徴量に基づいて、前記信号素基底をさらに計算する
付記10に記載の信号処理方法。
前記複数の種類の目的信号を含む基底学習用信号から抽出された特徴量に基づいて、前記信号素基底を抽出し、
前記目的信号学習用特徴量と、前記第2の重みと、抽出された前記信号素基底とに基づいて、前記線形結合の情報の前記初期値を計算する
付記10に記載の信号処理方法。
コンピュータに、
対象信号から当該対象信号の特徴を表す特徴量を抽出する特徴抽出処理と、
抽出された前記特徴量と複数の種類の目的信号を線形結合によって表す信号素基底と前記線形結合の情報とに基づく、前記対象信号に含まれる前記複数の目的信号の各々の強さを表す重みの計算と、前記特徴量と前記信号素基底と前記重みとに基づく前記線形結合の情報の更新とを、所定の条件が満たされるまで繰り返す分析処理と、
前記重みに基づいて、前記対象信号に含まれ、少なくとも1種類の前記目的信号である対象目的信号の情報を導出する導出処理と、
前記対象目的信号の情報を出力する出力処理と、
を実行させるプログラムを記憶する記憶媒体。
前記導出処理は、前記信号素基底と、前記線形結合の情報と、前記重みとに基づいて、前記対象信号に含まれる前記対象目的信号の成分を表す分離信号を、前記対象目的信号の情報として導出する
付記13に記載の記憶媒体。
前記導出処理は、前記重みに基づいて、前記対象目的信号が前記対象信号に含まれるか否かを、前記対象目的信号の情報として導出する
付記13に記載の記憶媒体。
前記プログラムは、コンピュータに、
前記複数の種類の目的信号を含む目的信号学習用信号から抽出された特徴量である目的信号学習用特徴量と、前記目的信号学習用信号における前記複数の種類の目的信号の強さを表す第2の重みとに基づいて、前記線形結合の情報の初期値を計算する組み合わせ計算処理
をさらに実行させる付記13から15のいずれか1項に記載の記憶媒体。
前記組み合わせ計算処理は、前記目的信号学習用特徴量に基づいて、前記信号素基底をさらに計算する
付記16に記載の記憶媒体。
前記プログラムは、コンピュータに、
前記複数の種類の目的信号を含む基底学習用信号から抽出された特徴量に基づいて、前記信号素基底を抽出する基底抽出処理
をさらに実行させ、
前記組み合わせ計算処理は、前記目的信号学習用特徴量と、前記第2の重みと、抽出された前記信号素基底とに基づいて、前記線形結合の情報の前記初期値を計算する
付記16に記載の記憶媒体。
101 特徴抽出部
102 信号情報記憶部
103 分析部
104 結合部
105 受信部
106 出力部
107 一時記憶部
200 信号検出装置
204 検出部
300 信号分離装置
301 第2特徴抽出部
302 組み合わせ計算部
303 第2受信部
400 信号検出装置
500 信号分離装置
501 第3特徴抽出部
502 基底抽出部
503 基底記憶部
504 第3受信部
600 信号検出装置
700 信号処理装置
704 処理部
900 信号分離装置
901 特徴抽出部
902 基底記憶部
903 分析部
904 結合部
905 受信部
906 出力部
10000 コンピュータ
10001 プロセッサ
10002 メモリ
10003 記憶装置
10004 I/Oインタフェース
10005 記憶媒体
Claims (18)
- 対象信号から当該対象信号の特徴を表す特徴量を抽出する特徴抽出手段と、
抽出された前記特徴量と複数の種類の目的信号を線形結合によって表す信号素基底と前記線形結合の情報とに基づく、前記対象信号に含まれる前記複数の目的信号の各々の強さを表す重みの計算と、前記特徴量と前記信号素基底と前記重みとに基づく前記線形結合の情報の更新とを、所定の条件が満たされるまで繰り返す分析手段と、
前記重みに基づいて、前記対象信号に含まれ、少なくとも1種類の前記目的信号である対象目的信号の情報を導出する処理手段と、
前記対象目的信号の情報を出力する出力手段と、
を備える信号処理装置。 - 前記処理手段は、前記信号素基底と、前記線形結合の情報と、前記重みとに基づいて、前記対象信号に含まれる前記対象目的信号の成分を表す分離信号を、前記対象目的信号の情報として導出する
請求項1に記載の信号処理装置。 - 前記処理手段は、前記重みに基づいて、前記対象目的信号が前記対象信号に含まれるか否かを、前記対象目的信号の情報として導出する
請求項1に記載の信号処理装置。 - 前記複数の種類の目的信号を含む目的信号学習用信号から抽出された特徴量である目的信号学習用特徴量と、前記目的信号学習用信号における前記複数の種類の目的信号の強さを表す第2の重みとに基づいて、前記線形結合の情報の初期値を計算する組み合わせ計算手段
を備える、請求項1から3のいずれか1項に記載の信号処理装置。 - 前記組み合わせ計算手段は、前記目的信号学習用特徴量に基づいて、前記信号素基底をさらに計算する
請求項4に記載の信号処理装置。 - 前記複数の種類の目的信号を含む基底学習用信号から抽出された特徴量に基づいて、前記信号素基底を抽出する基底抽出手段
を備え、
前記組み合わせ計算手段は、前記目的信号学習用特徴量と、前記第2の重みと、抽出された前記信号素基底とに基づいて、前記線形結合の情報の前記初期値を計算する
請求項4に記載の信号処理装置。 - 対象信号から当該対象信号の特徴を表す特徴量を抽出し、
抽出された前記特徴量と複数の種類の目的信号を線形結合によって表す信号素基底と前記線形結合の情報とに基づく、前記対象信号に含まれる前記複数の目的信号の各々の強さを表す重みの計算と、前記特徴量と前記信号素基底と前記重みとに基づく前記線形結合の情報の更新とを、所定の条件が満たされるまで繰り返し、
前記重みに基づいて、前記対象信号に含まれ、少なくとも1種類の前記目的信号である対象目的信号の情報を導出し、
前記対象目的信号の情報を出力する、
信号処理方法。 - 前記信号素基底と、前記線形結合の情報と、前記重みとに基づいて、前記対象信号に含まれる前記対象目的信号の成分を表す分離信号を、前記対象目的信号の情報として導出する
請求項7に記載の信号処理方法。 - 前記重みに基づいて、前記対象目的信号が前記対象信号に含まれるか否かを、前記対象目的信号の情報として導出する
請求項7に記載の信号処理方法。 - 前記複数の種類の目的信号を含む目的信号学習用信号から抽出された特徴量である目的信号学習用特徴量と、前記目的信号学習用信号における前記複数の種類の目的信号の強さを表す第2の重みとに基づいて、前記線形結合の情報の初期値を計算する
請求項7から9のいずれか1項に記載の信号処理方法。 - 前記目的信号学習用特徴量に基づいて、前記信号素基底をさらに計算する
請求項10に記載の信号処理方法。 - 前記複数の種類の目的信号を含む基底学習用信号から抽出された特徴量に基づいて、前記信号素基底を抽出し、
前記目的信号学習用特徴量と、前記第2の重みと、抽出された前記信号素基底とに基づいて、前記線形結合の情報の前記初期値を計算する
請求項10に記載の信号処理方法。 - コンピュータに、
対象信号から当該対象信号の特徴を表す特徴量を抽出する特徴抽出処理と、
抽出された前記特徴量と複数の種類の目的信号を線形結合によって表す信号素基底と前記線形結合の情報とに基づく、前記対象信号に含まれる前記複数の目的信号の各々の強さを表す重みの計算と、前記特徴量と前記信号素基底と前記重みとに基づく前記線形結合の情報の更新とを、所定の条件が満たされるまで繰り返す分析処理と、
前記重みに基づいて、前記対象信号に含まれ、少なくとも1種類の前記目的信号である対象目的信号の情報を導出する導出処理と、
前記対象目的信号の情報を出力する出力処理と、
を実行させるプログラムを記憶する記憶媒体。 - 前記導出処理は、前記信号素基底と、前記線形結合の情報と、前記重みとに基づいて、前記対象信号に含まれる前記対象目的信号の成分を表す分離信号を、前記対象目的信号の情報として導出する
請求項13に記載の記憶媒体。 - 前記導出処理は、前記重みに基づいて、前記対象目的信号が前記対象信号に含まれるか否かを、前記対象目的信号の情報として導出する
請求項13に記載の記憶媒体。 - 前記プログラムは、コンピュータに、
前記複数の種類の目的信号を含む目的信号学習用信号から抽出された特徴量である目的信号学習用特徴量と、前記目的信号学習用信号における前記複数の種類の目的信号の強さを表す第2の重みとに基づいて、前記線形結合の情報の初期値を計算する組み合わせ計算処理
をさらに実行させる請求項13から15のいずれか1項に記載の記憶媒体。 - 前記組み合わせ計算処理は、前記目的信号学習用特徴量に基づいて、前記信号素基底をさらに計算する
請求項16に記載の記憶媒体。 - 前記プログラムは、コンピュータに、
前記複数の種類の目的信号を含む基底学習用信号から抽出された特徴量に基づいて、前記信号素基底を抽出する基底抽出処理
をさらに実行させ、
前記組み合わせ計算処理は、前記目的信号学習用特徴量と、前記第2の重みと、抽出された前記信号素基底とに基づいて、前記線形結合の情報の前記初期値を計算する
請求項16に記載の記憶媒体。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/037886 WO2019077723A1 (ja) | 2017-10-19 | 2017-10-19 | 信号処理装置、信号処理方法およびプログラムを記憶する記憶媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019077723A1 true JPWO2019077723A1 (ja) | 2020-10-22 |
JP6911930B2 JP6911930B2 (ja) | 2021-07-28 |
Family
ID=66173254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019549070A Active JP6911930B2 (ja) | 2017-10-19 | 2017-10-19 | 信号処理装置、信号処理方法およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210224580A1 (ja) |
JP (1) | JP6911930B2 (ja) |
WO (1) | WO2019077723A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116702015B (zh) * | 2023-08-09 | 2023-11-28 | 中国科学技术大学 | 信号处理方法、装置、无人机及计算机可读存储介质 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4447886A (en) * | 1981-07-31 | 1984-05-08 | Meeker G William | Triangle and pyramid signal transforms and apparatus |
IL127650A0 (en) * | 1996-06-28 | 1999-10-28 | Milkovich Systems Engineering | Improved fast fourier transform processor |
US6360021B1 (en) * | 1998-07-30 | 2002-03-19 | The Regents Of The University Of California | Apparatus and methods of image and signal processing |
US7046857B2 (en) * | 1997-07-31 | 2006-05-16 | The Regents Of The University Of California | Apparatus and methods for image and signal processing |
WO1999006941A2 (en) * | 1997-07-31 | 1999-02-11 | University Of California, Berkeley | Apparatus and methods for image and signal processing |
US9042988B2 (en) * | 1998-08-05 | 2015-05-26 | Cyberonics, Inc. | Closed-loop vagus nerve stimulation |
US9375573B2 (en) * | 1998-08-05 | 2016-06-28 | Cyberonics, Inc. | Systems and methods for monitoring a patient's neurological disease state |
US9415222B2 (en) * | 1998-08-05 | 2016-08-16 | Cyberonics, Inc. | Monitoring an epilepsy disease state with a supervisory module |
US20080292194A1 (en) * | 2005-04-27 | 2008-11-27 | Mark Schmidt | Method and System for Automatic Detection and Segmentation of Tumors and Associated Edema (Swelling) in Magnetic Resonance (Mri) Images |
US20120123232A1 (en) * | 2008-12-16 | 2012-05-17 | Kayvan Najarian | Method and apparatus for determining heart rate variability using wavelet transformation |
WO2010077997A2 (en) * | 2008-12-16 | 2010-07-08 | Bodymedia, Inc. | Method and apparatus for determining heart rate variability using wavelet transformation |
US20110028827A1 (en) * | 2009-07-28 | 2011-02-03 | Ranganatha Sitaram | Spatiotemporal pattern classification of brain states |
US9165565B2 (en) * | 2011-09-09 | 2015-10-20 | Adobe Systems Incorporated | Sound mixture recognition |
US9111375B2 (en) * | 2012-01-05 | 2015-08-18 | Philip Meier | Evaluation of three-dimensional scenes using two-dimensional representations |
US9920361B2 (en) * | 2012-05-21 | 2018-03-20 | Sequenom, Inc. | Methods and compositions for analyzing nucleic acid |
US9324338B2 (en) * | 2013-10-22 | 2016-04-26 | Mitsubishi Electric Research Laboratories, Inc. | Denoising noisy speech signals using probabilistic model |
US10531806B2 (en) * | 2013-12-17 | 2020-01-14 | University Of Florida Research Foundation, Inc. | Brain state advisory system using calibrated metrics and optimal time-series decomposition |
JP6747447B2 (ja) * | 2015-09-16 | 2020-08-26 | 日本電気株式会社 | 信号検知装置、信号検知方法、および信号検知プログラム |
US9554738B1 (en) * | 2016-03-30 | 2017-01-31 | Zyomed Corp. | Spectroscopic tomography systems and methods for noninvasive detection and measurement of analytes using collision computing |
EP3451651B1 (en) * | 2016-04-27 | 2022-06-08 | Sony Group Corporation | Imaging control device, imaging control method, and imaging apparatus |
JP6703460B2 (ja) * | 2016-08-25 | 2020-06-03 | 本田技研工業株式会社 | 音声処理装置、音声処理方法及び音声処理プログラム |
US10663298B2 (en) * | 2017-06-25 | 2020-05-26 | Invensense, Inc. | Method and apparatus for characterizing platform motion |
-
2017
- 2017-10-19 US US16/755,300 patent/US20210224580A1/en not_active Abandoned
- 2017-10-19 WO PCT/JP2017/037886 patent/WO2019077723A1/ja active Application Filing
- 2017-10-19 JP JP2019549070A patent/JP6911930B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
WO2019077723A1 (ja) | 2019-04-25 |
JP6911930B2 (ja) | 2021-07-28 |
US20210224580A1 (en) | 2021-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
KR101967415B1 (ko) | 글로벌 모델로부터의 로컬화된 학습 | |
JP6976804B2 (ja) | 音源分離方法および音源分離装置 | |
KR102060723B1 (ko) | 사용자 행동 인식 장치, onmf 기반 기저 행렬 생성 방법 및 ossnmf 기반 기저 행렬 생성 방법 | |
JP2012163918A (ja) | 音声信号処理装置、および音声信号処理方法、並びにプログラム | |
JP6747447B2 (ja) | 信号検知装置、信号検知方法、および信号検知プログラム | |
JP2016045221A (ja) | 信号解析装置、方法、及びプログラム | |
US10817719B2 (en) | Signal processing device, signal processing method, and computer-readable recording medium | |
JP6099032B2 (ja) | 信号処理装置、信号処理方法及びコンピュータプログラム | |
US20200389749A1 (en) | Source separation for reverberant environment | |
JPWO2019171457A1 (ja) | 音源分離装置、音源分離方法およびプログラム | |
US20180033432A1 (en) | Voice interactive device and voice interaction method | |
JP6911930B2 (ja) | 信号処理装置、信号処理方法およびプログラム | |
US10679646B2 (en) | Signal processing device, signal processing method, and computer-readable recording medium | |
JP6874842B2 (ja) | 信号処理装置、信号処理方法およびプログラム | |
JP5791081B2 (ja) | 音源分離定位装置、方法、及びプログラム | |
JP2020034870A (ja) | 信号解析装置、方法、及びプログラム | |
JP2011081305A (ja) | 時空間分解装置、発話リズム変換装置、これらの方法及びプログラム | |
JP2021089388A (ja) | 音響解析装置、音響解析方法及び音響解析プログラム | |
JP2014215544A (ja) | 音響処理装置 | |
US20230169977A1 (en) | Sound Extraction System and Sound Extraction Method | |
JP7000281B2 (ja) | 音響信号処理装置、音響信号処理方法及びプログラム | |
WO2022085197A1 (ja) | 音声信号変換モデル学習装置、音声信号変換装置、音声信号変換モデル学習方法及びプログラム | |
JP6167062B2 (ja) | 分類装置、分類方法、およびプログラム | |
CN114495974A (zh) | 音频信号处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200323 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200323 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210126 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210326 |
|
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: 20210608 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210621 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6911930 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |