KR100361235B1

KR100361235B1 - 신호소스특성화시스템

Info

Publication number: KR100361235B1
Application number: KR1019950005294A
Authority: KR
Inventors: 야니크데빌레
Original assignee: 코닌클리케 필립스 일렉트로닉스 엔.브이.
Priority date: 1994-03-16
Filing date: 1995-03-15
Publication date: 2003-04-07
Also published as: DE69511602T2; KR950035115A; DE69511602D1; TW343409B; EP0673113A1; US5825671A; JP3887028B2; EP0673113B1; JPH07283796A

Abstract

본 발명은, 소스들(S1 내지 Sn)로부터의 프라이머리 신호들 X(t)의 선형 컨볼루션식 혼합들 E(t)로부터 시작되어, 적어도 하나의 프라이머리 신호 X(t)의 특성 변수의 추정들을 형성하는 신호들 F(t)를 결정하는 소스 특성화 시스템(8)에 관한 것이다. 이 변수는 평균 에너지, 스펙트럼 밀도, 자기상관 함수일 수 있다. 전처리 수단(20)은 혼합들로부터의 신호들 E(t)가 신호 분리 수단(10)에 인가되기 전 전 처리되도록 한다. 측정된 변수는 소스들의 동작에 대해 역작용하도록 작용할 수 있다.

응용 : 전기, 음향 또는 전자기 신호들을 전송 및/또는 수신하는 장치들의 제어

Description

신호 소스 특성화 시스템

본 발명은, 각각의 프라이머리 소스들로부터 나오는 프라이머리 신호들 X(t)의 선형 컨볼루션식 혼합(linear convolutive mixing)에 의해 형성된 제 1 신호들 E(t)에서 시작되어, 적어도 하나의 각각의 프라이머리 신호 X(t)를 특성화하는 적어도 하나의 제 2 신호를 공급하는 소스 특성화 시스템에 관한 것으로, 상기 시스템은 소스 분리 수단(source separation means)을 포함하고 있다.

본 발명은 또한, 전기, 음향 또는 전자기 신호들을 전송 및/또는 수신하는 장치들을 제어하기 위한, 이러한 시스템의 이용에 관한 것이다. 예를들면, 이것은 카 라디오 또는 핸즈-프리 전화(hands-free telephone)일 수 있다.

발명의 배경

이들 혼합된 프라이머리 신호들로부터 각각의 프라이머리 신호를 분리하여 추출하기 위하여 혼합된 프라이머리 신호들을 처리함으로써 독립 소스들로부터 프라이머리 신호들을 분리하는 기술이 공지되어 있다. 이 기술은 상기 혼합 형태로만 이용할 수 있는 프라이머리 신호들에 적용된다. 이것은 일반적인 선형 컨볼루션식 혼합들에 관계될 수 있다. 이 혼합들은 여러가지의 원인으로 인해 야기될 수 있다. 이들은 프라이머리 신호들의 전파 매카니즘 및/또는 다수의 소스들로부터 나오는 신호들의 중첩 매카니즘 또는 그외 다른 원인들로 인해 초래될 수 있다.

일반적으로, 분리기술은 맹목적(blind)이다. 즉, 소스들이 미지이고 미지의 혼합된 신호와 독립된 것으로 가정된다. 이를 위하여, 이들 혼합들의 다수의 샘플들을 검출하여, 이 샘플들로부터 하나 또는 다수의 원래의 프라이머리 신호들은 분리 알고리즘에 의해 복원될 수 있다.

이러한 기술은 예를들어 C. JUTTEN, J. HERAULT 가 신호 처리 24(1991년), 페이지 1-10에 발표한 "소스들의 맹목적 분리(Blind separation of sources)" 문헌에 공지되어 있다.

상기 문헌에는 신경망을 포함하는 소스 분리 수단이 서술되어 있는데, 이는 자신의 입력에서 다수의 신호 혼합들의 성분들 E(t)를 수신하여 자신의 출력에서 분리된 프라이머리 신호들을 복원한다. 이 신경망은 순환적으로 동작하여 적응 알고리즘에 의해 시냅스 계수들(synaptic coefficients)을 계산한다. 이 방식으로, 순간적인 선형 컨볼루션식 혼합들을 처리할 수 있는데, 즉, 어떤 순간에서 각 신호 E(t)는 이와 동일한 순간에서 고정되거나 천천히 변화하는 실계수를 갖는, 프라이머리 신호들 X(t)의 값들의 선형 조합이다. 이 시스템 자체는 이 혼합들의 변화들에 계속적으로 적응된다. 또한, 1991년 7월 2-3일에 프랑스 파리에서 개최된 Congres Europeen de Mathematiques 에서 C. JUTTEN 및 H. L. NGUYEN THI 가 발표한 "소스들의 분리를 위한 새로운 알고리즘(New algorithms for separation of sources)"이라는 문헌에 공지되어 있다. 그러나, 이러한 시스템은 혼합된 모든 프라이머리 소스들의 블라인드 분리를 위해선 실질적인 계산력(computing power)을 필요로 한다는 결점을 갖고 있다. 이것은 대규모의 장치에서는 핸디캡일 수 있다. 또한, 출력에서 분리된 소스들의 정밀도 또는 안정도에 문제들을 초래한다.

발명의 요약

본 발명의 목적은 이러한 소스 분리를 활용하는 장치들의 특정한 특성을 고려함으로써 계산 전력을 감소시키고자 하는 것이다.

이러한 목적은 상기 소스 분리 수단 앞에 배치된 전 처리 수단을 포함하는 소스 특성화 시스템에 의해 성취되는데, 이 전 처리 수단은 제 1 신호들 E(t)의 적어도 하나의 특성 변수를 결정함으로써 신호들 E(t)를 전 처리하며, 이 변수는 프라이머리 신호들 X(t)와 관계되는 동일한 성질의 특성 변수들의, 고정되거나 천천히 변화하는 계수들에 의한, 선형 조합들에 의해 형성된 제3 신호들 I(t,p) 형태로 공급된다.

이렇게 신호들 E(t)를 전 처리함으로써, 상기 소스 분리 수단은 현저하게 간소화되며, 상기 프라이머리 신호들의 특성 변수들의 선형 조합들, 즉 순간적인 컨볼루션식 선형 신호 혼합들만을 처리한다. 출력에서, 이것은 분리된 소스 들 X(t)를 산출하는 것이 아니라 이들 소스들을 특성화하는 하나 또는 그보다 많은 특성 변수들을 산출한다. 많은 사용에 있어서, 실제로, 이들 특성 변수들을 단지, 인지할 필요가 있다. 필요한 경우, 이들은 출력에서, 분리된 소스들을 얻기 위하여 다음에 처리될 수 있다.

이 특성 변수는 평균 에너지, 스펙트럼 밀도, 자기상관 함수 또는 그 외의 다른 변수들일 수 있다. 이것은 예를들어, 카 라디오와 같은 장치의 출력 전력이 핸즈-프리 전화 사용자의 음성을 검출하여 음성 정보의 처리를 유효하게 하는 경우에, 매우 관심있는 대상이 된다.

명백하게, 하나 및 동일한 프라이머리 신호 X(t)에 대한 다수의 특성 변수들용의 다수의 신호들 F(t) 또는 다수의 프라이머리 신호들 X(t)에 관계하는 동일하거나 동일하지 않은 특성 변수용 다수의 신호들 F(t)중 한 신호를 공급하기 위하여 시스템을 또한 확장할 수 있다.

신호의 스펙트럼 밀도와 같은 어떤 특성 변수들의 경우, 전 처리(pre-processing)는 계산된 특성 변수를 다른 특성 변수로 변환하기 위하여 후 처리에 앞서 행할 수 있다. 본 발명에 의하면, 후 처리 수단은 상기 소스 분리 수단의 출력에 배치된다. 상기 전 처리 수단에 의해 실행되는 전 처리 및 후 처리 수단에 의해 실행되는 후 처리를 결합함으로써, 하나 또는 다수의 프라이머리 신호들에 대한 스펙트럼 밀도들 또는 다른 특성 변수들을 결정할 수 있다.

본 발명의 이들 및 다른 양상들이 이하에 서술하는 실시예를 통해서 명백하게 될 것이다.

본 발명은 동봉하는 도면들을 참조하여 보다 상세하게 이해될 수 있는데, 이것만으로, 본 발명을 제한하는 것은 아니다.

본 실시예의 상세한 설명

신호들이 기원하는 혼합들의 성질에 따라 여러 형태의 신호들 E(t)이 구별된다. 일반적인 컨볼루션식 선형 혼합들은, (1)와 같은 일반적인 신호들(generic signals) E_i(t)을 발생시키는데, 여기에서, c_ij(t)는 혼합 필터들의 임펄스 응답들이고, 심볼(^*)은 컨볼루션 곱 (convolution product)을 표시한다.

이들 일반적인 혼합들은 임의의 고정된 전파 지연 θ 및 감쇠 상수 1/α_ij로 전파되는 일군의 혼합들을 포함한다. 이것은 특히 야외에서 음파들의 전파에 대응한다.

이 속의 신호들 E_i(t)은 (2)형태가 된다. 여기서 θ_ij는 전파 지연을 규정하는 상수이고, 심볼(.)은 전형적인 승산을 표시한다. 이들은 고정된 넌-제로 지연(a fixed non-zero delay)을 갖는 선형 컨볼루션식 혼합들이다.

이 패밀리(family)는 전파 지연 θ_ij가 제로인 서브-패밀리(sub-family)의 혼합들을 포함한다. 그러면, 속의 신호들 E_i(t)는 (3)형태가 된다. 여기서 a_ij는 고정되거나 천천히 변화하는 계수들(이것은 계수 α_ij와는 다름)이다. 이들은 제로 지연을 갖는 선형 순간적인 또는 선형 컨볼루션식 혼합들이다.

C. JUTTEN 및 J. HERAULT 에 의한 상기 인용된 문헌은 식(3)에 따른 신호들과 관계가 있다. 본 발명은 또한, 두가지 다른 형태들의 신호들과 관계가 있다.

예를들어, 차량에 설치된 카 라디오의 음량이 제어된다라는 경우를 고려하자. 상기 카 라디오는 주위 음성 소스들에 따라서 카 라디오에 의해 발생된 음량 제어에 영향을 받을 수 있는 수단(도시되지 않음)을 포함하고 있다. 따라서, 주위 잡음이 증가하면(창문 개방, 고속, 운전 잡음..), 카 라디오에 의해 발생된 음성 레벨을 증가시키는 것이 바람직하게 될 수 있다. 이것은 주위 음성 소스들이 승객의 음성에 의해 형성된 경우는 아니다. 승객들이 이야기하고 있을 때, 음량을 증가시키는 것보다는 오히려 감소시키는 것이 문제가 된다. 이것은 승객 음성을 식별하는 것을 필요로 한다. 제 1 도는 예를들어, 승객 음성, 각종 소음 소스들(엔진, 차체, 창문을 통한 공기 순환 등) 및 카 라디오 자체에 의해 형성된 프라이머리 소스들(5)(S1 내지 Sn)을 도시한다. 음성들을 식별하기 위하여, 변환기들(Cl - Cn), 예를들어 마이크로폰들은 승객 공간 내부에 배치된다. 상기 변환기는 확성기로 방출되는 음을 직접 픽업(pick up)할 수 있다. 상기 마이크로폰들은 소스들(S1 내지 Sn)에 의해 공급되는 프라이머리 신호들 X₁(t) 내지 X_n(t)의 혼합들로부터 제 1 신호들 E₁(t) 내지 E_n(t)를 검출한다.

승객 공간 내부에 형성된 혼합들은 공기 중에서 음성 신호들의 전파와 직접 관련된 것으로서 간주될 수 있다. 첫번째 근사화에서, 이들 혼합들은 넌-제로 감쇠계수 및 각 소스의 넌-제로 전파 시간 상수 특성에 의해 특징화될 수 있다. 상기 마이크로폰에 의해 검출된 신호들 E_i(t)은 다음과 같이 표현된다.

(4)

여기서, i는 마이크로폰의 전류 인덱스.

j 는 소스의 전류 인덱스.

1/α_ij, θ_ij는 각각 감쇠 계수들 및 전파 시간 상수들, 즉 소스 S_j에서 마이크로폰 E_i으로의 전파 특성이다.

본 발명에 의하면, 상기 신호들 E_i(t)는 소스 분리 수단(10)보다 앞에 있는 전 처리 수단(20)을 포함하는 소스 특성화 시스템(8)에 입력된다.

순간적인 선형 신호 혼합들 즉, 항 θ_ij가 모두 제로 (식 3)인 혼합들을 분리할 수 있는 소스 분리 수단은 훨씬 더 간단하게 되며, 그래서, 상기 식(2)에 따라서 넌-제로 선형 컨볼루션식 혼합들을 분리할 수 있는 소스 분리 수단보다 손쉽게 실현된다. 선형 순간적인 혼합들을 처리하는 수단은 C. JUTTEN 및 J. HERAULT가 발표한 상기 인용된 문헌에 개시된 수단일 수 있다.

본 발명에 의하면, 전 처리 수단(20)뒤에 있고 선형 순간적인 신호 혼합들을 분리할 수 있는 소스 분리 수단(10)이 선택되어, 제 1 신호들 E_i(t)에 의해 형성된 넌-제로 지연 선형 신호 혼합들을 변환하여 상기 제 3 신호들 I_i(t,p)에 의해 형성된 상기 선형 조합들을 얻는다. 여기서, t 는 시간이고 p 는 관련 특성 변수에 대한 중요한 파라미터(p 는 예를들어, 주파수이다)이다. 상기 파라미터 p 는 특성 변수가 평균 에너지인 경우 사용되지 않는다.

상기 전 처리 수단(20)의 구조는 식별될 상기 프라이머리 신호들 X(t)의 특성 변수에 좌우된다. 이 변수는:

- 하나 또는 그보다 많은 소스들의 프라이머리 신호 X(t)의 평균 에너지이다. 이 경우에, 이것은 소정의 지속 기간 동안, 즉 연속적인 시간 간격들 동안 결정되는 전체 특성 변수이며,

- 소정의 지속 기간 동안, 즉 하나 또는 그보다 많은 연속적인 시간 간격들 동안 결정되는, 다수의 프라이머리 신호들 X(t) 또는 프라이머리 신호 X(t)의 자기상관 함수이며,

- 소정의 지속 기간 동안, 즉 하나 또는 그보다 많은 연속적인 시간 간격들 동안 결정되는, 다수의 프라이머리 신호들 X(t) 또는 프라이머리 신호 X(t)의 스펙트럼 분포를 제공하는 스펙트럼 밀도일 수 있다.

당업자는 본 발명의 범위를 이탈함이 없이 다른 특성 변수들로 본 발명을 실행할 수 있다.

본 발명을 실행하기 위하여, 신호들 E(t)의 d.c 성분들은 예를들어, 저역 필터링에 의해 우선적으로 제거된다. 이것은 C. JUTTEN 및 J. HERAULT 의 문헌에서와 같이 평균값이 제로인 신호들 E(t)을 산출한다.

두개의 소스들(S1, S2) 및 두개의 혼합된 신호 E1(t) 및 E2(t)가 존재하는 특정한 경우가 있는데, 이들 중 어느 하나에 있는 E1(t)는 소스들의 혼합 신호이고 나머지 다른 하나는 이 소스들 중 한 소스로부터 직접 나오는 순수 신호(pure signal)(또는, 그러한 것으로서 간주됨)이다. 그 경우에, 소스 분리 수단(10)은 신호들을 적절하게 가중한 후 다른 신호로부터 순수 신호의 감산을 실현하는 적응형 필터링 장치로 간소화될 수 있다.

이 경우는 순수 신호 및 이 순수 신호를 포함하는 다수의 혼합된 신호들을 갖는 신호로 일반화될 수 있다.

실제로, 상기 순수 신호는 확성기에 의해 전송되기 직전에 오토라디오(autoradio)의 출력에서 직접 측정될 수 있다.

예를들어, 이 경우는 프라이머리 신호 X(t)의 평균 에너지가 결정된 것으로 고려된 것이다. 이를 위하여, 전 처리 수단(20)은 평균 신호 에너지 E_i(t)를 계산한다. 이 신호 E1(t)에 대해, 이 평균 에너지는 (5)가 되도록 순간 t = T₀에서 시작되는 지속 시간 δ 동안 결정된다.

식(2)에 따른 혼합들을 갖는 두개의 소스들(S1, S2)의 경우에, 변환기 (C1)에 의해 측정된 신호는 다음과 같이 기록된다.

E1(t) =α₁₁.X₁(t-θ₁₁) +α₁₂X₂(t-θ₁₂)

평균 에너지는 상관되지 않은 소스들 X₁및 X₂의 경우와 θ₁₁, θ_l2< < δ.. 가 되도록 하는 방식으로 δ를 선택함으로써된다.

지연 항들 θ₁₁, θ₁₂은 없어지게 되고 항ε_E1은 고정되거나 천천히 변화하는 계수 및 제로 지연과 소스들(S1, S2)의 평균 에너지들의 선형 혼합이다.

이에 따라서, 신호들 E_i(t)의 평균 에너지들의 계산은 프라이머리 신호들의 에너지들이 추출될 수 있는 신호들 I(t,p) = ε_Ei(T₀, δ)를 산출한다.

제 3 도는 상기 전 처리 수단(20)의 일부분을 형성하는 소자(22)를 도시한다. 이 소자(22)는 신호 E_i(t)를 승산하는 수단(24)을 포함하며, 이 수단은 지속 기간(δ)동안 승산 결과들을 기억하는 수단보다 앞에 위치한다. 출력에서, 이것은 신호 E_i(t)에 대응하는 평균 에너지(ε_E1)를 산출한다.

제 3 도는 다양한 디지털 신호 처리를 나타낸 것이다. 아날로그 버전에 따라서 동일한 결과가 예를들어 본 발명의 범위를 이탈함이 없이, 예를들어 캐패시턴스 들에 의해 정류된 신호를 적분함으로써 얻어질 수 있다.

상기 전 처리 수단(20)은 신호 E_i(t)와 각각 관련된 다수의 소자들(22)을 포함한다. 시간 멀티플렉싱을 적용하는 것이 가능하다. 출력에서, 다수의 평균 에너지들(ε_E1)이 얻어지는데, 이것은 각 신호 E_i(t)에 대응한다. 모든 이들 평균 에너지들(ε_E1)은 도1에 도시된 방식으로 소스 분리 수단(10)에 입력된다. 이들은 소스 분리를 실행하여 고려되는 연속적인 시간 간격들에서 프라이머리 신호들 X_i(t) 각각의 평균 에너지들인 출력 신호들 F_i(t)을 공급한다.

양호하게는, 상기 소스 분리 수단(10)은 신경망을 포함한다. 이 신경망은 예를들어 C. JUTTEN 및 J HERAULT 의 문헌에 개시된 신경망이다. 본 기술분야에 기술자들에게 공지된 기술에 의하면, 신경망의 동작은,

- 작업을 수행하기 위하여 학습하는 학습 단계 및

- 이에 따라서 학습된 데이터를 이용하여 현재의 값들에 대응하는 결과들을결정하는 해법 단계(resolution phase)를 포함한다.

이들 학습 기술들은 공지되어 있기 때문에 본원에서는 설명하지 않는다. 이 학습 기술들은 샘플들을 입력에 인가하고 신경망의 특성들(기본적으로, 시냅스 계수들)을 수정하여, 자신의 출력에서 이 샘플들에 대응하는 관찰된 결과들을 발생시키도록 이루어져 있다. "관리되지 않은(unsupervised)" 학습을 이용하는데, 즉 이 샘플들을 기초로 하는 알고리즘이, 신경망 출력들이 서로 독립적인 제 2 신호들 F(t)을 공급하는 방식으로 시냅스 계수들을 적응시키도록 적용된다. 이와 같은 학습 과정은 당업자에게 공지되어 있다.

이렇게 결정된 시냅스 계수들의 형태에 있어서, 상기 신경망은 현재 새로운 입력 데이터와 함께 사용된다. 그래서, 수행을 위하여 학습되는 기능에 대한 새로운 입력 데이터를 토대로 결과들을 결정할 수 있다. 상기 시스템을 혼합들의 연속적인 변화들에 적응시켜서 상기 소스들의 연속적인 특성을 실행하기 위해, 새로운 혼합들의 특성에 대한 시냅스 계수들을 갱신하도록 학습이 반복적으로 실행된다.

미지의 특성들을 갖는 프라이머리 소스들 X_i(t)에 대응하는 측정된 신호 E_i(t)들은 입력에 인가되고, 상기 수단(10)은 이들 미지의 특성들 (여기에서는, 평균 에너지들)의 측정들을 공급한다.

측정될 프라이머리 신호들 X(t)의 특성 성질들은 지속 기간(δ)의 연속적인 시간 간격들에서 결정된다. 매 시간 간격에서, 이것은

- 평균 에너지용 단일값,

- 자기상관 함수를 결정하기 위해, 어떤 신호와 시간 τ만큼 이동된 순간들 에서 상기 신호와 비교함으로써 얻어진 일련의 값들,

- 스펙트럼 밀도들을 결정하기 위하여, 상이한 주파수들에서 결정된 다수의 값들과, 관계될 수 있다.

예를들어, 자기상관 함수들 Г(τ)가 Г_Xi(τ)= ∑X_i(t).X_i(t + τ)를 갖는 프라이머리 신호 X_i(t)에 대해 결정되는 경우를 고려했다. 이를 위하여, 전 처리 수단(20)은 Г_Ei(τ)= ∑E_i(t).E_i(t + τ)가 되도록, 신호들 E_i(t)의 자기상관 함수들을 결정한다. 상기 전 처리 수단(20)은 제 4 도에 도시된 바와 같은 전 처리 블럭들(25)을 구비한다. 상기 블록들(25)의 수는 처리될 신호들 E(t)의 수와 동일하다. 또한, 시간 멀티플렉싱에 적용되는 것이 가능하다. 상기 신호 E(t)를 자신과 상관 시키기 위하여, 신호 E(t)는 획득 수단(32)으로 인가되는데, 이 획득 수단은 소정속도(지속 기간 D)로, 신호 E(t)의 연속적인 샘플들을 취한다. 이것은 특히 일련의 샘플들이 기억되는 기억 소자들(32a, 32b)을 구비하는 메모리일 수 있다. 시프트 τ 는 값 D, 2D, 3D 등을 연속적으로 제공받는다. 예를들어, 상기 기억 소자들(32a, 32b)의 출력(2a, 2b)상에 시간 D 만큼 이격되어 나타나는 샘플들은 상술의 처리 수단(22)에 인가되어, 값들 E(t).E(t+D)를 결정한다. 상기 메모리의 슬라이딩 어드레싱(화살표 29)(sliding addressing)에 의해, 자기상관 함수 Г_E의 값은 τ= D 에 대응하는 전체 관계 신호 E(t)에 대해 결정된다. 자기상관 함수의 다른 값들은 시프트 2D 및 3D, 4D,... 등에 대한 슬라이딩 어드레싱과 마찬가지로 계산된다. 모든 이들 자기상관 값들은 자기상관 함수를 형성한다.

당업자는 상기 획득 수단(32)이 본 발명의 영역을 벗어남이 없이 제 4 도에 도시된 것과 다른 구조를 제공받을 수 있다는 것을 알 수 있을 것이다. 상기 소자(22)의 출력에서, 신호 E(t)에 대응하는 자기상관 함수 Г_E가 얻어진다:

제 1 도의 다른 신호들은 각각의 신호 E(t)를 위한 자기상관 함수 Г_E을 제공하기 위하여 유사하게 처리된다. 그 경우에, 제 1 도의 신호들 I(t,p)는 자기상관 함수들 Г_E이다. 평균 에너지들에 대해 이미 서술된 바와 같은 동일한 원리들을 적용함으로써, 상기 소스 분리 수단(10)은 상기 예들을 기초로 하여 학습되어 소스들 각각에 대응하는 자기상관 함수들 Г_x을 계산한다.

이 예는 두개의 소스들(S1, S2)로만 제한될 때,

가 되도록 자기상관 함수들 Г_E를 산출하는

E1(t)= α₁₁.X₁(t - θ₁₁) + α₁₂X₂(t - θ₁₂)

E2(t) = α₂₁.X₁(t - θ₂₁) + α₂₂X₂(t - θ₂₂) 가 유효하게 된다.

상기 소스 분리 수단(10)은 Г_x(τ) = ∑ X(t).X(t + τ)가 되도록 소스 신호들의 자기상관 함수들 Г_x을 파생시킨다.

시스템(8)이 프라이머리 신호 X(t)의 자기상관 함수들을 결정할 때, 이들 신호들의 에너지들을 파생시킬 수 있다. 이를 위하여, 제 4 도에서 지연 τ= 0 을 선택하여, 출력에서 이 에너지들과 동일한 Г_x(0) 값들을 산출하는 것이 충분하다.

이 동작 모드는 상술된 바와 같은 에너지들의 계산 보다 빠른데, 그 이유는 소스 특성화 시스템이 일련의 신호 간격들에서 학습을 실행하는 것이 아니라 단일 시간 구간에서 학습을 실행하기 때문이다. 그러나, 이것은 더 많은 하드웨어를 필요로 한다.

다른 예에서, 신호들 I(t, p)는 스펙트럼 밀도들을 표시하는 신호들일 수 있다. 이 경우, 전 처리 수단(20)은,

- 자기상관 함수들을 계산한 후, 각 신호 E(t)에 대한 퓨리에 변환을 실행하여 신호들 I(t,f)를 공급하고(여기서 f 는 주파수) 또는,

- 퓨리에 변환(예를들어, 고속 퓨리에 변환)을 실행한 후, 그에 따라서 결정된 퓨리에 변환의 모듈러스 제곱(the square of modulus)을 계산한다.

신호들 E(t)로부터 파생되어 이 주파수(f)에 대해 결정된 모든 신호들 I(t, f)는 상술된 바와 같이 상기 소스 분리 수단(10)에서 처리된다. 출력에서의 신호들 F(t) 은 주파수(f)에 대한 소스들(S)에 대응하는 스펙트럼 밀도들(Dx)을 표시한다.

다른 주파수들(f)에서의 연속적인 동작이 이들 다른 주파수들에서 하나의 소스에 대한 스책트럼 밀도 값들을 결합함으로써 스펙트럼 밀도 함수가 하나 또는 그보다 많은 소스들에 대해서 얻어지도록 한다.

상술한 바와 같이, 평균 에너지들, 자기상관 함수들, 스펙트럼 밀도들 등일수 있는 전 처리 수단의 출력 신호들은 다음에 하나 또는 그보다 많은 소스(S1 내지 Sn)에 영향을 미치기 위하여 사용될 수 있다.

따라서, 자동차에 설치된 카 라디오의 경우에 소스(S1)의 평균 에너지가 결정되었을 때, 측정된 평균 에너지들에 따라서 카 라디오의 출력 증폭기를 제어할 수 있다. 마찬가지로, 스피커의 음성에 의해 형성된 소스 검출은 예를들어 스피커에 의해 나온 번호들을 전송하거나 음성이 검출될 때만 음성의 전송을 유효화함으로써 카 라디오 음량이 낮게 되도록 하거나 전화 동작이 제어되도록 한다.

특성 변수가 스펙트럼 밀도들에 대응하면, 카 라디오의 이퀄라이저 또는 음조절에 영향을 미칠 수 있다.

바로 위에서 설명한 것은 신호들 E(t)에 대한 변환기들 또는 검출기들과 관계되는 다른 음 재생 설비의 경우에도 유효하다.

이러한 제어를 실행하기 위하여, 소스 특성화 시스템(8)은 관련 장치와 결합시에 취해지는 동작을 결정하는 제어 수단(15)(제 2 도)을 구비한다. 따라서, 자동차의 승객 공간에서의 음성의 검출은 카 라디오의 음량에 영향을 줄 수 있다. 이를 위해, 상기 제어 수단(15)은 적절한 소스에 영향을 미치는 명령(16)을 제공한다.

다른 장치들에 대하여, 다른 소스들(S1 내지 Sn)은 라디오 소스들과 같이 라디오 전송에 의해 야기되는 신호 혼합들을 포함할 수 있다. 이 경우에, 신호들E(t)는 예를들어 안테나로 형성된 검출기들에 의해 검출될 수 있다. 소스 특성화 시스템에 의해 실행되는 처리는 유사하다.

또 다른 경우에, 소스들은 동일 장치의 내부에 배치된다. 상기 신호들 X(t)는 유선들로 전달되고, 상기 혼합들은 이 유선들간의 누화(cross-talk)에 의해 형성된다. 그러면, 상기 신호들 E(t)는 변환기들(C1 내지 Cn) 에 의해 얻어지지 않는다.

스펙트럼 밀도들 Dx(V)을 결정하기 위하여, 자기상관 함수들을 계산하기 위해 서술된 전 처리(20)를 소스 분리 수단(10)의 출력에 제공된 후 처리(30)와 결합시킬 수 있다. 제 5 도는 이런 형태의 처리와 관련된다. 상기 소스 분리 수단(10)의 앞에 있는 전 처리 수단(20)은 자기상관 함수들 Г_Xi(t)를 결정하며, 후 처리 수단(30)은 퓨리에 변환을 인가하는 출력에 배치된다.

본 발명은 식(2)에서 정의된 이득 항들 및 순수 지연 항들을 포함하는 선형 컨볼루션식 신호에 대해 설명하였다.

본 발명은 또한, 일반적으로 컨볼루션식 혼합들 즉 식(1)로 정의된 혼합들에 적용될 수 있다.

상기 일반적인 경우를 상술된 식(2)의 특정 경우로 저감시키기 위하여, 이러한 처리는 주파수 대역이 우선적으로 제한되는 신호들 E(t)에 적용된다. 이를 위해, 상기 전 처리 수단(20)은 입력에서 식별 필터들(40)(제 6 도)을 포함하는데, 이 필터들은 각 신호 Ei(t)를 보다 작은 주파수 대역으로 제한한다. 처리는 상술한바와 같이 유지되지만 그에 따라서 얻어진 결과들은 프라이머리 신호들 X(t)뿐만 아니라 이들의 혼합들의 필터링된 버전에도 관계한다. 그럼에도 불구하고, 이들 결과들은 임의 컨볼루션식 혼합들의 경우에서조차 소스 특성에 적합하게 된다. 예를 들어, 평균 에너지들 또는 스펙트럼 밀도들이 계산될 때, 연속적인 주파수 대역들에 관계하는 신호들은 전체 주파수 스펙트럼에 대한 상기 특성 변수들을 얻기 위하여 출력에서 결합될 수 있다.

제 1 도는 전 처리 수단(pre-processing means)을 포함하는 소스 특성화 시스템(a source characterisation system)의 블럭도.

제 2 도는 프라이머리 신호 소스들(primary signal sources)에 대해 반대로 작용하는 제어 수단을 포함하는 소스 특성화 시스템을 도시한 도면.

제 3 도는 신호의 평균 에너지를 결정하는 상기 전 처리 수단의 일부분의 다이어그램의 예.

제 4 도는 자기상관 함수들을 결정하는 상기 전 처리 수단의 일부분의 다이어그램의 예.

제 5 도는 전 처리 수단 및 후 처리 수단(post-processing means)을 포함하는 소스 특성화 시스템의 블럭도.

제 6 도는 일반적인 컨볼루션식 신호 혼합들(convolutive mixtures)을 처리하는 필터 수단을 가진, 제 3 도에 도시된 것과 유사한 도면.

* 도면의 주요부분에 대한 부호의 설명 *

5 : 프라이머리 소스 8 : 소스 특성화 시스템

10 : 소스 분리 수단 20 : 전 처리 수단

Claims

각각의 프라이머리 소스들(5)의 프라이머리 신호들 X(t)의 선형 컨볼루션식 혼합에 의해 형성된 제 1 신호들 E(t)로부터 시작되어, 적어도 하나의 각각의 프라이머리 신호 X(t)를 특성화하는 적어도 하나의 제 2 신호(F)를 공급하며, 소스 분리 수단(10)을 포함하는 소스 특성화 시스템(8)에 있어서,

상기 소스 분리 수단(10) 앞에 배치된 전 처리 수단(20)을 포함하며, 상기 전 처리 수단은 상기 신호들 E(t)의 적어도 하나의 특성 변수를 결정함으로써 상기 신호들 E(t)를 전 처리하며, 상기 변수는 상기 프라이머리 신호들 X(t)와 관계되는 동일한 성질의 특성 변수들의, 고정되거나 천천히 변화하는 계수들에 의한, 선형 조합들에 의해 형성된 제 3 신호들 I(t,p)의 형태로 공급되는 것을 특징으로 하는 소스 특성화 시스템.
제 1 항에 있어서,

상기 특성 변수는 평균 에너지, 스펙트럼 밀도 및 자기상관 함수인 것을 특징으로 하는 소스 특성화 시스템.
제 1 항 또는 2 항에 있어서,

상기 소스 분리 수단(10)에 의해 공급된 제 4 신호들 G(t)를 후 처리하기 위해, 상기 소스 분리 수단(10)의 출력에 배치된 후 처리 수단(30)을 포함하며, 상기고정된 계수들과의 상기 선형 조합들은 상기 후 처리 및 상기 전 처리를 조합함으로써 결정되는 것을 특징으로 하는 소스 특성화 시스템.
제 3 항에 있어서,

상기 후 처리 수단은 프라이머리 신호들 X(t)의 추정치들(estimates)을 공급하는 것을 특징으로 하는 소스 특성화 시스템.
제 1 항 또는 제 2 항에 있어서,

입력에서 제 2 신호들(F)을 수신하는 제어 수단(15)을 포함하며, 이들에 기초하여 상기 제어 수단은 적어도 하나의 소스에 영향을 미치는 적어도 하나의 명령(16)을 공급하는 것을 특징으로 하는 소스 특성화 시스템.
전기, 음향 또는 전자기 신호들을 전송 및/또는 수신하는 장치들을 제어하기 위한, 제 1 항 또는 제 2 항 기재의 소스 특성화 시스템을 적용하는 시스템.
제 6 항에 있어서,

카 라디오에 의해 발생된 음을 제어하거나 핸즈프리 전화 동작을 제어하기 위한, 소스 특성화 시스템을 적용하는 시스템.