WO2020100341A1 - 信号分離装置、信号分離方法及びプログラム - Google Patents

信号分離装置、信号分離方法及びプログラム Download PDF

Info

Publication number
WO2020100341A1
WO2020100341A1 PCT/JP2019/026019 JP2019026019W WO2020100341A1 WO 2020100341 A1 WO2020100341 A1 WO 2020100341A1 JP 2019026019 W JP2019026019 W JP 2019026019W WO 2020100341 A1 WO2020100341 A1 WO 2020100341A1
Authority
WO
WIPO (PCT)
Prior art keywords
matrix
inverse matrix
signal
outer product
signal separation
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.)
Ceased
Application number
PCT/JP2019/026019
Other languages
English (en)
French (fr)
Inventor
澤田　宏
林太郎 池下
信貴 伊藤
中谷　智広
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Inc
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2020556587A priority Critical patent/JP7140206B2/ja
Priority to US17/292,529 priority patent/US11915717B2/en
Publication of WO2020100341A1 publication Critical patent/WO2020100341A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

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
    • G10L21/0308—Voice signal separating characterised by the type of parameter measurement, e.g. correlation techniques, zero crossing techniques or predictive techniques
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N99/00—Subject matter not provided for in other groups of this subclass

Definitions

  • the present invention relates to a signal separation device, a signal separation method, and a program.
  • blind signal separation is known as one of the methods belonging to the field of signal processing.
  • Blind signal separation is a method of separating a target source signal from a mixed signal observed by a plurality of sensors in a situation where there is no information about how the source signals are mixed.
  • a method based on a Full-rank Spatial Covariance Model is known as a method that can separate even a larger number N of signal sources than the number M of sensors (see Non-Patent Document 1). .. Hereinafter, this method will be described.
  • Measured signals from M sensors are frequency-converted and collectively expressed as a vector
  • the vector x at the discrete time t (hereinafter, also simply referred to as “time t”) is set as x t . It is assumed that x t is a complex vector in order to frequency-convert and handle acoustic signals and wireless communication signals. At this time, the outer product of the vector x t is
  • H represents the conjugate transposition
  • the target source signal (hereinafter referred to as "separated signal”) is also expressed as a vector
  • each element of this vector y is a source signal observed by each of M sensors.
  • the separated signal of the n-th source signal at time t is y nt .
  • a n is a spatial correlation matrix showing the relative transfer from the n-th signal source to each sensor
  • v nt is the power of the n-th signal source at time t.
  • vnt is a non-negative value.
  • a hat " ⁇ " representing an approximate value (or an estimated value) is described immediately before the character, not on the head of the character, for convenience. For example, representing an approximate value of X t (or estimated value) and " ⁇ X t". Since it is assumed that A n is a Hermitian matrix, ⁇ X t is also a Hermitian matrix.
  • the observed signal x t is
  • tr is an operator for obtaining the trace of the matrix (that is, the sum of the diagonal components).
  • v nt is updated, and in A-update, A n is updated by sequentially performing the following calculations.
  • n and v nt of the full rank spatial correlation matrix model are estimated by the EM algorithm or the MU algorithm to obtain ⁇ X t and ⁇ Y nt .
  • the inverse matrix of the matrix ⁇ X t and A n having the size of M ⁇ M is calculated by the above equations (2) and (3) or the above equations (5) and (6). calculate.
  • the calculation of the inverse matrix requires more calculation time than the reciprocal of the scalar value.
  • the required time becomes dominant as the number T of discrete times t increases.
  • the present invention has been made in view of the above points, and an object thereof is to reduce the time required to calculate an inverse matrix in blind signal separation.
  • the signal separation device in the embodiment of the present invention inputs an observation signal in which a plurality of target signals are mixed, and an outer product calculating means for calculating an outer product of the observation signal, and a predetermined algorithm.
  • the model calculation means for updating the parameters of the model for estimating the outer product using an inverse matrix of a matrix representing the estimated value of the outer product, and the inverse matrix is updated by a SIMD instruction when updating the parameters. It has an inverse matrix calculating means for calculating, a matrix showing the estimated value of the outer product, the updated parameter, and a separating means for calculating the target signal using the observed signal. ..
  • the time required to calculate the inverse matrix in blind signal separation can be reduced.
  • 6 is a flowchart showing an example of a calculation process of a product of a matrix and a vector in the embodiment of the present invention. It is a flow chart which shows an example of calculation processing of an inner product in an embodiment of the invention.
  • a signal separation device 10 capable of reducing the time required to calculate an inverse matrix in blind signal separation will be described.
  • the type of signal is not limited.
  • the types of signals include, for example, acoustic signals (or audio signals) and wireless signals.
  • the SIMD (Single Instruction Multiple Data) instruction is used to speed up the inverse matrix calculation and reduce the time required for the inverse matrix calculation.
  • two methods of “inverse matrix calculation method 1” and “inverse matrix calculation method 2” will be described as the inverse matrix calculation method.
  • the inverse matrix is not calculated using the built-in function or the like that is already prepared in the standard computer or programming language / environment. Design the calculation procedure according to the method.
  • the inverse matrix Q ⁇ 1 of the M ⁇ M matrix Q can be calculated using the determinant detQ and Adjugate adj (Q) as shown in the following Expression (9). Note that Adjugate may be referred to as an adjoint matrix, but since its definition may differ, it will be referred to as “Adjugate”.
  • the determinant detQ can be calculated by the following "determinant calculation method 1" or "determinant calculation method 2".
  • [Q] mk is the (m, k) element of the matrix Q. Also,
  • Is defined as a (M ⁇ 1) ⁇ (M ⁇ 1) matrix formed by deleting the m rows and k columns of the matrix Q. Note that the determinant of a 1 ⁇ 1 matrix (that is, a scalar value) is the value itself of its only element.
  • Adjugate adj (Q) is the transpose of the cofactor matrix C
  • the inverse matrix is calculated by the same method as the matrix ⁇ X t .
  • this tensor is used to efficiently calculate the inverse matrix by the SIMD instruction.
  • the signal separation device 10 can accelerate the calculation of the inverse matrix of the matrix, and as a result, can reduce the time required for the calculation of the inverse matrix.
  • FIG. 1 is a diagram showing an example of the overall configuration of a signal separation device 10 according to an embodiment of the present invention.
  • an observation signal x t is input to a signal separation device 10 according to an embodiment of the present invention, and separation signals y 1t , ..., Y Nt are obtained using an EM algorithm or an MU algorithm.
  • the output signal separation program 100 is installed.
  • the signal separation program 100 may be composed of one program or a plurality of programs (or program modules).
  • the output destinations of the separated signals y 1t , ..., Y Nt are arbitrary.
  • the separated signals y 1t , ..., Y Nt may be output to another program, another device, or the like, or may be output to the auxiliary storage device 18 or the like described later.
  • FIG. 2 is a diagram showing an example of a hardware configuration of the signal separation device 10 according to the embodiment of the present invention.
  • the signal separation device 10 includes an input device 11, a display device 12, an external I / F 13, a RAM (Random Access Memory) 14, and a ROM (Read Only Memory). ) 15, a processor 16, a communication I / F 17, and an auxiliary storage device 18. Each of these pieces of hardware is communicatively connected via a bus 19.
  • the input device 11 is, for example, a keyboard, a mouse, a touch panel, etc., and is used by the user to input various operations.
  • the display device 12 is, for example, a display, and displays the processing result of the signal separation device 10.
  • the signal separation device 10 may not have at least one of the input device 11 and the display device 12.
  • the external I / F 13 is an interface with an external device.
  • the external device includes a recording medium 13a and the like.
  • the signal separation device 10 can read and write the recording medium 13 a via the external I / F 13.
  • the signal separation program 100 and the like may be recorded on the recording medium 13a.
  • the recording medium 13a includes, for example, a flexible disk, a CD (Compact Disc), a DVD (Digital Versatile Disk), an SD memory card (Secure Digital memory card), and a USB (Universal Serial Bus) memory card.
  • a flexible disk for example, a CD (Compact Disc), a DVD (Digital Versatile Disk), an SD memory card (Secure Digital memory card), and a USB (Universal Serial Bus) memory card.
  • RAM 14 is a volatile semiconductor memory that temporarily holds programs and data.
  • the ROM 15 is a non-volatile semiconductor memory that can retain programs and data even when the power is turned off.
  • the ROM 15 stores, for example, setting information regarding an OS (Operating System), setting information regarding a communication network, and the like.
  • the processor 16 is, for example, a CPU (Central Processing Unit), a GPU (Graphics Processing Unit), or the like, and is an arithmetic device that reads programs and data from the ROM 15, the auxiliary storage device 18, and the like onto the RAM 14 and executes processing. In the embodiment of the present invention, it is assumed that the processor 16 can execute parallel processing by SIMD instruction. Note that the signal separation device 10 may include both the CPU and the GPU as the processor 16, or may include only either the CPU or the GPU.
  • the communication I / F 17 is an interface for connecting the signal separation device 10 to a communication network.
  • the signal separation program 100 may be acquired (downloaded) from a predetermined server device or the like via the communication I / F 17.
  • the auxiliary storage device 18 is, for example, a HDD (Hard Disk Drive) or SSD (Solid State Drive), and is a non-volatile storage device that stores programs and data.
  • the programs and data stored in the auxiliary storage device 18 include, for example, an OS, various application programs, a signal separation program 100, and the like.
  • the signal separation device 10 according to the embodiment of the present invention can realize various processes by having the hardware configuration shown in FIG. In the example shown in FIG. 2, the case where the signal separation device 10 according to the embodiment of the present invention is realized by one device (computer) has been described, but the present invention is not limited to this.
  • the signal separation device 10 in the embodiment of the present invention may be realized by a plurality of devices (computers). Further, the signal separation device 10 according to the embodiment of the present invention may be realized by a device (computer) including a plurality of processors 16 and a plurality of memories (RAM 14, ROM 15, auxiliary storage device 18, etc.).
  • FIG. 3 is a diagram showing an example of a functional configuration (No. 1) of the signal separation device 10 in the embodiment of the present invention.
  • the signal separation device 10 in the case of using the EM algorithm has an outer product calculation unit 101, a model formula calculation unit 102, a separation signal calculation unit 103, an E-step unit 104, and an M-step unit. 105 and. Each of these units is realized by the processing that the signal separation program 100 causes the processor 16 to execute.
  • Outer product calculator 101 inputs the observed signal x t, calculates the outer product X t.
  • the model formula calculation unit 102 calculates the full rank spatial correlation matrix model shown in the above formula (1) by the EM algorithm. That is, the model formula calculation unit 102 calculates ⁇ X t and ⁇ Y nt by estimating the parameters A n and v nt of the full rank spatial correlation matrix model shown in the above formula (1) using the EM algorithm.
  • the separated signal calculation unit 103 calculates the separated signal y nt by the above equation (8) using ⁇ Y nt , the inverse matrix of ⁇ X t , and the observed signal x t .
  • the E-step unit 104 executes the E-step of the EM algorithm. That is, the E-step unit 104 calculates the above equation (2).
  • the M-step unit 105 executes M-step of the EM algorithm. That is, the M-step unit 105 updates the parameters A n and v nt according to the above equations (3) and (4).
  • the E-step unit 104 and the M-step unit 105 include an inverse matrix calculation unit 110.
  • the inverse matrix calculation unit 110 calculates the inverse matrix of a matrix using the SIMD instruction. That is, the inverse matrix calculator 110 included in the E-step unit 104 calculates the inverse matrix of the matrix ⁇ X t when calculating the above equation (2). Similarly, the inverse matrix calculation unit 110 included in the M-step unit 105 calculates the inverse matrix of the matrix A n when updating the parameter v nt according to the above equation (3).
  • FIG. 4 is a diagram showing an example of a functional configuration (No. 2) of the signal separation device 10 according to the embodiment of the present invention.
  • the signal separation device 10 in the case of using the MU algorithm has an outer product calculation unit 101, a model formula calculation unit 102, a separation signal calculation unit 103, a V-update unit 106, and an A-update unit. And 107.
  • Each of these units is realized by the processing that the signal separation program 100 causes the processor 16 to execute.
  • Outer product calculator 101 inputs the observed signal x t, calculates the outer product X t.
  • the model formula calculation unit 102 calculates the full rank spatial correlation matrix model shown in the above formula (1) using the MU algorithm. That is, the model formula calculation unit 102 calculates ⁇ X t and ⁇ Y nt by estimating the parameters A n and v nt of the full rank spatial correlation matrix model shown in the above formula (1) using the EM algorithm.
  • the separated signal calculation unit 103 calculates the separated signal y nt by the above equation (8) using ⁇ Y nt , the inverse matrix of ⁇ X t , and the observed signal x t .
  • the V-update unit 106 executes V-update of the MU algorithm. That is, the V-update unit 106 updates the parameter vnt according to the above equation (5).
  • the A-update unit 107 executes A-update of the MU algorithm. That is, the A-update unit 107 updates the parameter A n by calculating the above equation (6) and then the above equation (7).
  • the V-update unit 106 and the A-update unit 107 include an inverse matrix calculation unit 110.
  • the inverse matrix calculation unit 110 calculates the inverse matrix of a matrix using the SIMD instruction. That is, the inverse matrix calculation unit 110 included in the V-update unit 106, when updating the parameter v nt by the above formula (5), to calculate the inverse matrix of the matrix ⁇ X t. Similarly, the inverse matrix calculator 110 included in the A-update unit 107 calculates the inverse matrix of the matrix ⁇ X t when calculating the above equation (6).
  • FIG. 5 is a flowchart showing an example of an inverse matrix calculation process (No. 1) according to the embodiment of the present invention.
  • an M ⁇ M ⁇ T tensor in which T inverse matrices of ⁇ X t are arranged is output as the processing result.
  • the sum, product, and quotient (+, ⁇ , /) of tensors shall mean the calculation of the sum, product, and quotient of each element of the tensor (element-wise). If the sizes of the tensors do not match, broadcasting is performed as needed. For example, when performing an operation (sum, product, or quotient) of an M ⁇ M ⁇ T tensor and a 1 ⁇ 1 ⁇ T tensor, the 1 ⁇ 1 ⁇ T tensor is broadcast to the M ⁇ M ⁇ T tensor. Then, the calculation is performed. At this time, the operations of these tensors are executed in parallel for each element by the SIMD instruction. Thereby, the inverse matrix can be efficiently calculated (in particular, the determinant for calculating the inverse matrix can be efficiently calculated).
  • step S103 the inverse matrix calculation unit 110
  • SIMDDET (•) is a function or method for calculating a determinant by a SIMD instruction, and a determinant calculation process using the SIMD instruction shown in FIG. 6 (or a determinant using the SIMD instruction shown in FIG. 7). (Calculation process) is called and executed.
  • the output result of this SIMDDET is a 1 ⁇ 1 ⁇ T tensor. The determinant calculation process using the SIMD instruction will be described later.
  • step S105 an M ⁇ M ⁇ T tensor in which T inverse matrices ⁇ X t -1 are arranged is output as the processing result of the inverse matrix calculation processing.
  • FIG. 6 is a flowchart showing an example of a determinant calculation process (No. 1) using the SIMD instruction in the embodiment of the present invention. As described above, this process is called by SIMDDET (•).
  • SIMDDET the size of the tensor (that is, the tensor that is the input of the calculation processing of the determinant) specified as the argument of SIMDDET (•) is M ′ ⁇ M ′ ⁇ T.
  • FIG. 6 the size of the tensor (that is, the tensor that is the input of the calculation processing of the determinant) specified as the argument of SIMDDET (•) is M ′ ⁇ M ′ ⁇ T.
  • step S204 the inverse matrix calculation unit 110
  • step S204 the inverse matrix calculation unit 110 recursively executes SIMDDDET (•) while decreasing the size (the number of rows and the number of columns) of the matrix ⁇ X t forming the tensor input to SIMDET (•) by one. By executing, d is updated.
  • step S205 the inverse matrix calculation unit 110 outputs d (that is, the determinant calculation result) (step S205).
  • FIG. 7 is a flowchart showing an example of a determinant calculation process (No. 2) using the SIMD instruction in the embodiment of the present invention. As described above, this process is called by SIMDDET (•).
  • SIMDDET the size of the tensor (that is, the tensor that is the input of the calculation processing of the determinant) specified as the argument of SIMDDET ( ⁇ ) is M ′ ⁇ M ′ ⁇ T.
  • FIG. 7 the size of the tensor (that is, the tensor that is the input of the calculation processing of the determinant) specified as the argument of SIMDDET ( ⁇ ) is M ′ ⁇ M ′ ⁇ T.
  • step S303 That is, the inverse matrix calculation unit 110 is obtained in step S302 described above.
  • SIMDDET (.) (That is, recursively executing the determinant calculation process using the SIMD instruction shown in FIG. 7).
  • the inverse matrix calculation unit 110 outputs d (step S304).
  • M ′ 1 in step S301 above, the inverse matrix calculation unit 110
  • M ′ 2.
  • the determinant calculation process using the SIMD instruction shown in FIG. 6 or the determinant calculation process shown in FIG. 7 is used as the function or method SIMDDET (•) for calculating the determinant.
  • Which of the determinant calculation processes using the SIMD instruction shown is to be adopted can be appropriately selected according to, for example, the size of the matrix.
  • FIG. 8 is a flowchart showing an example of an inverse matrix calculation process (No. 2) in the embodiment of the present invention. Note that, in the inverse matrix calculation process shown in FIG. 8, unlike the inverse matrix calculation process shown in FIG. 5, the determinant calculation is not performed. Instead, in the inverse matrix calculation process shown in FIG. 8, the product of the matrix and the vector is calculated by the SIMD instruction, and the inner product is calculated by the SIMD instruction. This allows the inverse matrix to be calculated efficiently.
  • the sum, product, quotient (+, ..., /) of tensors is the sum of element-wise of the tensor, It shall mean the calculation of product and quotient. If the sizes of the tensors do not match, broadcasting is performed as needed. At this time, the operations of these tensors are executed in parallel for each element by the SIMD instruction. Thereby, the inverse matrix can be efficiently calculated (in particular, the product of the matrix and the vector for calculating the inverse matrix and the inner product can be efficiently calculated).
  • step S403 That is, the inverse matrix calculation unit 110 is obtained in the above step S402.
  • SIMDMATRIXINVERSE (•) (that is, the inverse matrix calculation process shown in FIG. 9 is recursively executed).
  • SIMDMATRIXVECTORMULT Is a function or method for calculating the product of a matrix and a vector by SIMD instruction, and means to call and execute the calculation process of the product of a matrix and a vector shown in FIG. To do. The calculation process of the product of the matrix and the vector will be described later.
  • SIMDINNERPRODUCT (.,.) Is a function or method for calculating the inner product by SIMD instruction, and means calling and executing the inner product calculation process shown in FIG. The calculation process of the inner product will be described later.
  • step S406 or step S407 the inverse matrix calculation unit 110
  • FIG. 9 is a flowchart showing an example of calculation processing of a product of a matrix and a vector in the embodiment of the present invention. As mentioned above, this process is called by SIMDMATRIXVECTORMULT (.,.).
  • SIMDMATRIXVECTORMULT (.,.).
  • Each element of the M ⁇ 1 ⁇ T tensor is initialized to 0 (step S501).
  • step S503 the inverse matrix calculation unit 110
  • FIG. 10 is a flowchart showing an example of inner product calculation processing according to the embodiment of the present invention. As described above, this process is called by SIMDINNERPRODUCT (.,.).
  • SIMDINNERPRODUCT (.,.).
  • the inverse matrix calculation unit 110 initializes each element of the 1 ⁇ 1 ⁇ T tensor d to 0 (step S601).
  • step S603 the inverse matrix calculation unit 110
  • the inverse matrix calculation unit 110 outputs d (step S604).
  • the case where the inverse matrix is calculated by the conventional method without using the SIMD instruction is “CPU (conventional)”, and the case where the inverse matrix is calculated by the inverse matrix calculation method 1 using the SIMD instruction of the CPU is “CPU ( SIMD1) ", the case where the inverse matrix is calculated by the inverse matrix calculation method 2 using the SIMD instruction of the CPU is” CPU (SIMD2) ", the inverse matrix is calculated by the inverse matrix calculation method 1 using not only the CPU but also the GPU.
  • the execution time required for repeating the EM algorithm is defined as "GPU (SIMD1)” when the calculation is performed and "GPU (SIMD2)” when the inverse matrix is calculated by the calculation method 2 of the inverse matrix using not only the CPU but also the GPU. (Sec) is shown in Table 1 below.
  • the CPU and GPU use the same CPU and GPU, respectively.
  • the time required for repeating 20 times is 33.9 (seconds) and the time required for repeating 100 times is 165.4 (seconds), while the CPU ( In SIMD1), the time required for 20 times of repetition is 19.5 (seconds), the time required for 100 times of repetition is 93.0 (seconds), and in CPU (SIMD2), the time required for 20 times of repetition is 18.3 (seconds). Second), the time required for 100 times of repetition is 88.9 (seconds), which shows that the execution time can be reduced.
  • the time required for 20 repetitions is 3.2 (seconds) for GPU (SIMD1)
  • the time required for 100 repetitions is 7.5 (seconds)
  • the time required for 20 repetitions for GPU (SIMD2) is 4.2 (seconds)
  • the time required to repeat 100 times is 7.2 (seconds), which shows that the execution time can be further reduced.
  • the inverse matrix calculation method 2 an increase in execution time due to an increase in M is suppressed. Note that both the inverse matrix calculation method 1 and the inverse matrix calculation method 2 achieved a significant speedup when a GPU was used.
  • signal separation device 100 signal separation program 101 outer product calculation unit 102 model formula calculation unit 103 separation signal calculation unit 104 E-step unit 105 M-step unit 106 V-update unit 107 A-update unit 110 inverse matrix calculation unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Complex Calculations (AREA)

Abstract

信号分離装置は、複数の目的信号が混合された観測信号を入力して、前記観測信号の外積を計算する外積計算手段と、所定のアルゴリズムにより、前記外積を推定するためのモデルのパラメータを、前記外積の推定値を表す行列の逆行列を用いて更新するモデル計算手段と、前記パラメータを更新する際に、ＳＩＭＤ命令により前記逆行列を計算する逆行列計算手段と、前記外積の推定値を表す行列と、更新後の前記パラメータと、前記観測信号とを用いて、前記目的信号を計算する分離手段と、を有することを特徴とする。

Description

信号分離装置、信号分離方法及びプログラム
　本発明は、信号分離装置、信号分離方法及びプログラムに関する。
　信号処理の分野に属する手法の１つとして、ブラインド信号分離と呼ばれる手法が知られている。ブラインド信号分離とは、源信号がどのように混合されているかという情報が無い状況で、複数のセンサで観測された混合信号から、目的となる源信号を分離する手法のことである。
　例えば、センサの数Ｍよりも多くの個数Ｎの信号源でも分離できる手法として、フルランク空間相関行列モデル（Full-rank Spatial Covariance Model）に基づく手法が知られている（非特許文献１参照）。以下、この手法について説明する。
　Ｍ個のセンサでの観測信号を周波数変換したものをまとめてベクトルで表現して、
Figure JPOXMLDOC01-appb-M000001
 とする。また、観測信号が離散時間ｔ毎に観測されるものとして、離散時間ｔ（以降、単に「時間ｔ」とも表す。）におけるベクトルｘをｘｔとする。音響信号や無線通信信号を周波数変換して扱うために、ｘｔは複素ベクトルであると仮定する。このとき、ベクトルｘｔの外積を
Figure JPOXMLDOC01-appb-M000002
 とする。ここで、Ｈは共役転置を表す。
　また、目的とする源信号（以降、「分離信号」と表す。）もベクトルで表現して、
Figure JPOXMLDOC01-appb-M000003
 とする。ここで、このベクトルｙの各要素は、Ｍ個のセンサでそれぞれ観測される源信号である。このとき、ｎ番目の源信号の時間ｔにおける分離信号をｙｎｔとする。
　フルランク空間相関行列モデルでは、まず信号源の数Ｎを仮定し、上記の外積Ｘｔが、
Figure JPOXMLDOC01-appb-M000004
 により近似される。ここで、Ａｎはｎ番目の信号源から各センサへの相対的な伝達を示す空間相関行列であり、ｖｎｔはｎ番目の信号源の時間ｔにおけるパワーである。また、ｖｎｔは非負値である。以降の本明細書のテキストでは、近似値（又は推定値）を表すハット「＾」を、便宜上、文字の頭上ではなく、文字の直前に記載する。例えば、Ｘｔの近似値（又は推定値）を「＾Ｘｔ」と表す。なお、Ａｎがエルミート行列であることを仮定しているため、＾Ｘｔもエルミート行列となる。
　観測信号ｘｔ（ｔ＝１，・・・，Ｔ）に対して上記の式（１）に示すフルランク空間相関行列モデルのパラメータＡｎ（ｎ＝１，・・・，Ｎ）及びｖｎｔ（ｎ＝１，・・・，Ｎ，ｔ＝１，・・・，Ｔ）を推定する方法として、ＥＭ（Expectation-Maximization）アルゴリズムに基づく方法が知られている。
　ＥＭアルゴリズムに基づく方法では、観測信号ｘｔが
Figure JPOXMLDOC01-appb-M000005
 の形に分解され、かつ、外積Ｘｔの推定値＾Ｘｔが
Figure JPOXMLDOC01-appb-M000006
 の形に分解されると仮定し、Ｅ－ｓｔｅｐではｙｎｔの外積の期待値
Figure JPOXMLDOC01-appb-M000007
 を計算し、Ｍ－ｓｔｅｐではパラメータを
Figure JPOXMLDOC01-appb-M000008
 に従い更新する。ここで、ｔｒは行列のトレース（すなわち、対角成分の和）を求める演算子である。
　ここで、例えば、上記の式（２）で行列＾Ｘｔの逆行列を計算する場合、単一の行列の逆行列を計算する組み込み関数ｉｎｖ（）を用いて、時間ｔ＝１からｔ＝Ｔまで逐次的に、
Figure JPOXMLDOC01-appb-M000009
 を計算する。
　また、上記のＥＭアルゴリズムの他にも、ＭＵ（Multiplicative Update）アルゴリズムが知られている。ＭＵアルゴリズムのＶ－ｕｐｄａｔｅでは
Figure JPOXMLDOC01-appb-M000010
 に従ってｖｎｔを更新し、Ａ－ｕｐｄａｔｅでは以下の計算を順に行うことでＡｎを更新する。
Figure JPOXMLDOC01-appb-M000011
 　ここで、ｃｈｏｌはコレスキー分解ＬＬＨ＝Ｇを行うことを表し、その結果Ｌは下三角行列となる。その後、
Figure JPOXMLDOC01-appb-M000012
 に従ってＡｎを更新する。ここで、上記の式（７）における
Figure JPOXMLDOC01-appb-M000013
 は行列の平方根の逆行列であり、固有値分解を用いて計算することができる。このＭＵアルゴリズムでも上記の式（５）及び式（６）で行列＾Ｘｔの逆行列を計算する。
　ＥＭアルゴリズム又はＭＵアルゴリズムによってフルランク空間相関行列モデルのパラメータＡｎ及びｖｎｔが推定されることで、＾Ｘｔ及び＾Ｙｎｔが得られる。これにより、ｎ＝１，・・・，Ｎ，ｔ＝１，・・・，Ｔに対して、分離信号ｙｎｔを、
Figure JPOXMLDOC01-appb-M000014
 で計算することができる。
N. Q. K. Duong, E. Vincent, and R. Gribonval. "Under-determined reverberant audio source separation using a full-rank spatial covariance model." IEEE Transactions on Audio, Speech, and Language Processing 18.7 (2010): 1830-1840.
　上記の従来技術では、Ｍ×Ｍの大きさを持つ行列＾Ｘｔ及びＡｎの逆行列を、上記の式（２）と式（３）又は上記の式（５）と式（６）で計算する。しかしながら、逆行列の計算は、スカラー値の逆数と比べてより多くの計算時間を要する。特に、行列＾Ｘｔの逆行列の計算は、離散時間ｔの数Ｔが大きくなると所要時間が支配的となる。
　また、音声等の広帯域信号を扱う場合には、複数の周波数での信号を同時に扱う必要がある。例えば、６秒の音声を８ｋＨｚサンプリングで長さ１２８ｍｓシフト３２ｍｓの分析窓で分析した場合、周波数ビンの数は５１３、離散時間ｔの数はＴ＝２０１となる。これは、例えば、上記の従来技術でＥＭアルゴリズムを用いてＥ－ｓｔｅｐ及びＭ－ｓｔｅｐを２０回繰り返す場合、行列＾Ｘｔの逆行列の計算回数は、５１３×２０１×２０＝２，０６２，２６０回となる。このため、例えば、この計算を一般的な計算機で行った場合、６秒の音声を処理するために１０秒以上の実行時間を要することがある。
　本発明は、上記の点に鑑みてなされたものであり、ブラインド信号分離における逆行列の計算に要する時間を削減することを目的とする。
　上記目的を達成するため、本発明の実施の形態における信号分離装置は、複数の目的信号が混合された観測信号を入力して、前記観測信号の外積を計算する外積計算手段と、所定のアルゴリズムにより、前記外積を推定するためのモデルのパラメータを、前記外積の推定値を表す行列の逆行列を用いて更新するモデル計算手段と、前記パラメータを更新する際に、ＳＩＭＤ命令により前記逆行列を計算する逆行列計算手段と、前記外積の推定値を表す行列と、更新後の前記パラメータと、前記観測信号とを用いて、前記目的信号を計算する分離手段と、を有することを特徴とする。
　ブラインド信号分離における逆行列の計算に要する時間を削減することができる。
本発明の実施の形態における信号分離装置の全体構成の一例を示す図である。 本発明の実施の形態における信号分離装置のハードウェア構成の一例を示す図である。 本発明の実施の形態における信号分離装置の機能構成（その１）の一例を示す図である。 本発明の実施の形態における信号分離装置の機能構成（その２）の一例を示す図である。 本発明の実施の形態における逆行列の計算処理（その１）の一例を示すフローチャートである。 本発明の実施の形態におけるＳＩＭＤ命令を利用した行列式の計算処理（その１）の一例を示すフローチャートである。 本発明の実施の形態におけるＳＩＭＤ命令を利用した行列式の計算処理（その２）の一例を示すフローチャートである。 本発明の実施の形態における逆行列の計算処理（その２）の一例を示すフローチャートである。 本発明の実施の形態における行列とベクトルとの積の計算処理の一例を示すフローチャートである。 本発明の実施の形態における内積の計算処理の一例を示すフローチャートである。
　以下、本発明の実施の形態について説明する。本発明の実施の形態では、ブラインド信号分離における逆行列の計算に要する時間を削減可能な信号分離装置１０について説明する。なお、本発明の実施の形態では信号の種類は限定されない。信号の種類としては、例えば、音響信号（又は音声信号）や無線信号等がある。
　＜逆行列の計算方法の概要＞
　本発明の実施の形態における信号分離装置１０では、ＳＩＭＤ（Single Instruction Multiple Data）命令を利用することで、逆行列の計算を高速化し、逆行列の計算に要する時間を削減する。本発明の実施の形態では、逆行列の計算方法として、「逆行列の計算方法１」と「逆行列の計算方法２」の２つの方法について説明する。なお、このとき、本発明の実施の形態では、標準的な計算機やプログラミング言語・環境等に既に準備されている組み込み関数等を用いて逆行列を計算することはせずに、逆行列の計算方法に従ってその計算手順を設計する。
　　（逆行列の計算方法１）
　まず、逆行列の計算方法１について説明する。Ｍ×Ｍの行列Ｑの逆行列Ｑ－１は、以下の式（９）に示すように、行列式ｄｅｔＱと、Adjugate　ａｄｊ（Ｑ）とを用いて計算することができる。なお、Adjugateは、随伴行列と称されることもあるが、その定義が異なる場合があるため、「Adjugate」と表すこととする。
Figure JPOXMLDOC01-appb-M000015
 　このとき、行列式ｄｅｔＱは、以下の「行列式の計算方法１」又は「行列式の計算方法２」により計算することができる。
　・行列式の計算方法１
　行列式ｄｅｔＱは、以下により再帰的に計算することができる。
Figure JPOXMLDOC01-appb-M000016
 　ここで、［Ｑ］ｍｋは行列Ｑの（ｍ，ｋ）要素のことである。また、
Figure JPOXMLDOC01-appb-M000017
 を、行列Ｑのｍ行とｋ列とを削除してできる（Ｍ－１）×（Ｍ－１）行列と定義する。なお、１×１行列（すなわち、スカラー値）の行列式は、その唯一の要素の値そのものである。
　Adjugate　ａｄｊ（Ｑ）は、余因子行列Ｃの転置
Figure JPOXMLDOC01-appb-M000018
 であり、行列Ｑの余因子行列Ｃは、その（ｍ，ｋ）要素が
Figure JPOXMLDOC01-appb-M000019
 となるＭ×Ｍ行列である。
　・行列式の計算方法２
　ｑを実数のスカラー、
Figure JPOXMLDOC01-appb-M000020
 をＭ－１次元の複素ベクトル、
Figure JPOXMLDOC01-appb-M000021
 を（Ｍ－１）×（Ｍ－１）のエルミート行列とした場合、これらによって構成される以下の式（１０）の左辺の行列式は、ブロック行列の行列式の定理により以下の式（１０）の右辺で計算することができる。
Figure JPOXMLDOC01-appb-M000022
 　ここで、
Figure JPOXMLDOC01-appb-M000023
 である。
　　（逆行列の計算方法２）
　次に、逆行列の計算方法２について説明する。各記号の定義を「逆行列の計算方法１」における「行列式の計算方法２」と同様とする。このとき、ブロック行列の行列式の定理により、逆行列は、以下の式（１１）で計算することができる。
Figure JPOXMLDOC01-appb-M000024
　本発明の実施の形態では、行列の逆行列の計算にＳＩＭＤ命令を利用するために、複数の行列をまとめたデータ構造を用いる。例えば、行列＾Ｘｔの逆行列を計算する場合、Ｍ×Ｍ行列＾ＸｔをＴ個（つまり、ｔ＝１，・・・，Ｔとして、＾Ｘ１，・・・，＾ＸＴ）並べて、大きさＭ×Ｍ×Ｔのテンソル
Figure JPOXMLDOC01-appb-M000025
 を構成する。上記の式（２）や式（５）、式（６）で行列＾Ｘｔの逆行列を計算する際に、このテンソルを用いて、ＳＩＭＤ命令により効率的に逆行列を計算する。
　また、行列Ａｎについても、行列＾Ｘｔと同様の方法で逆行列を計算する。この場合、上記と同様に、ＳＩＭＤ命令を利用するためのデータ構造として、Ｍ×Ｍ行列ＡｎをＮ個（つまり、ｎ＝１，・・・，Ｎとして、Ａ１，・・・，ＡＮ）並べて、大きさＭ×Ｍ×Ｎのテンソルを構成する。上記の式（３）で行列Ａｎの逆行列を計算する際に、このテンソルを用いて、ＳＩＭＤ命令により効率的に逆行列を計算する。
　これにより、本発明の実施の形態における信号分離装置１０は、行列の逆行列の計算を高速化させることができ、結果として逆行列の計算に要する時間を削減することができる。
　＜全体構成＞
　まず、本発明の実施の形態における信号分離装置１０の全体構成について、図１を参照しながら説明する。図１は、本発明の実施の形態における信号分離装置１０の全体構成の一例を示す図である。
　図１に示すように、本発明の実施の形態における信号分離装置１０には、観測信号ｘｔを入力して、ＥＭアルゴリズム又はＭＵアルゴリズムを用いて分離信号ｙ１ｔ，・・・，ｙＮｔを出力する信号分離プログラム１００がインストールされている。このとき、信号分離プログラム１００は、観測信号ｘｔから分離信号ｙ１ｔ，・・・，ｙＮｔを得る際に、ＳＩＭＤ命令を利用して行列＾Ｘｔの逆行列を計算する。
　なお、信号分離プログラム１００は、１つのプログラムで構成されていてもよいし、複数のプログラム（又はプログラムモジュール）で構成されていてもよい。また、分離信号ｙ１ｔ，・・・，ｙＮｔの出力先は任意である。例えば、分離信号ｙ１ｔ，・・・，ｙＮｔは、他のプログラムや他の装置等に出力されてもよいし、後述する補助記憶装置１８等に出力されてもよい。
　＜ハードウェア構成＞
　次に、本発明の実施の形態における信号分離装置１０のハードウェア構成について、図２を参照しながら説明する。図２は、本発明の実施の形態における信号分離装置１０のハードウェア構成の一例を示す図である。
　図２に示すように、本発明の実施の形態における信号分離装置１０は、入力装置１１と、表示装置１２と、外部Ｉ／Ｆ１３と、ＲＡＭ（Random Access Memory）１４と、ＲＯＭ（Read Only Memory）１５と、プロセッサ１６と、通信Ｉ／Ｆ１７と、補助記憶装置１８とを有する。これら各ハードウェアは、それぞれがバス１９を介して通信可能に接続されている。
　入力装置１１は、例えばキーボードやマウス、タッチパネル等であり、ユーザが各種操作を入力するのに用いられる。表示装置１２は、例えばディスプレイ等であり、信号分離装置１０の処理結果を表示する。なお、信号分離装置１０は、入力装置１１及び表示装置１２のうちの少なくとも一方を有していなくてもよい。
　外部Ｉ／Ｆ１３は、外部装置とのインタフェースである。外部装置には、記録媒体１３ａ等がある。信号分離装置１０は、外部Ｉ／Ｆ１３を介して、記録媒体１３ａの読み取りや書き込み等を行うことができる。記録媒体１３ａには、信号分離プログラム１００等が記録されていてもよい。
　記録媒体１３ａには、例えば、フレキシブルディスク、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disk）、ＳＤメモリカード（Secure Digital memory card）、ＵＳＢ（Universal Serial Bus）メモリカード等がある。
　ＲＡＭ１４は、プログラムやデータを一時保持する揮発性の半導体メモリである。ＲＯＭ１５は、電源を切ってもプログラムやデータを保持することができる不揮発性の半導体メモリである。ＲＯＭ１５には、例えば、ＯＳ（Operating System）に関する設定情報や通信ネットワークに関する設定情報等が格納されている。
　プロセッサ１６は、例えばＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）等であり、ＲＯＭ１５や補助記憶装置１８等からプログラムやデータをＲＡＭ１４上に読み出して処理を実行する演算装置である。本発明の実施の形態では、プロセッサ１６は、ＳＩＭＤ命令よる並列処理が実行可能であるものとする。なお、信号分離装置１０は、プロセッサ１６としてＣＰＵとＧＰＵとの両方を有していてもよいし、ＣＰＵ又はＧＰＵのいずれか一方のみを有していてもよい。
　通信Ｉ／Ｆ１７は、信号分離装置１０を通信ネットワークに接続するためのインタフェースである。信号分離プログラム１００は、通信Ｉ／Ｆ１７を介して、所定のサーバ装置等から取得（ダウンロード）されてもよい。
　補助記憶装置１８は、例えばＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等であり、プログラムやデータを格納している不揮発性の記憶装置である。補助記憶装置１８に格納されているプログラムやデータには、例えば、ＯＳ、各種アプリケーションプログラム、信号分離プログラム１００等がある。
　本発明の実施の形態における信号分離装置１０は、図２に示すハードウェア構成を有することにより、各種処理を実現することができる。なお、図２に示す例では、本発明の実施の形態における信号分離装置１０が１台の装置（コンピュータ）で実現される場合について説明したが、これに限られない。本発明の実施の形態における信号分離装置１０は、複数台の装置（コンピュータ）で実現されていてもよい。また、本発明の実施の形態における信号分離装置１０は、複数のプロセッサ１６や複数のメモリ（ＲＡＭ１４、ＲＯＭ１５、補助記憶装置１８等）を備える装置（コンピュータ）で実現されていてもよい。
　＜機能構成＞
　次に、本発明の実施の形態における信号分離装置１０の機能構成について説明する。
　　（ＥＭアルゴリズムを用いる場合の機能構成）
　以降では、上記の式（１）に示すフルランク空間相関行列モデルのパラメータＡｎ（ｎ＝１，・・・，Ｎ）及びｖｎｔ（ｎ＝１，・・・，Ｎ，ｔ＝１，・・・，Ｔ）の推定にＥＭアルゴリズムを用いる場合の機能構成について、図３を参照しながら説明する。図３は、本発明の実施の形態における信号分離装置１０の機能構成（その１）の一例を示す図である。
　図３に示すように、ＥＭアルゴリズムを用いる場合における信号分離装置１０は、外積計算部１０１と、モデル式計算部１０２と、分離信号計算部１０３と、Ｅ－ｓｔｅｐ部１０４と、Ｍ－ｓｔｅｐ部１０５とを有する。これら各部は、信号分離プログラム１００がプロセッサ１６に実行させる処理により実現される。
　外積計算部１０１は、観測信号ｘｔを入力して、外積Ｘｔを計算する。モデル式計算部１０２は、ＥＭアルゴリズムにより上記の式（１）に示すフルランク空間相関行列モデルを計算する。すなわち、モデル式計算部１０２は、ＥＭアルゴリズムにより上記の式（１）に示すフルランク空間相関行列モデルのパラメータＡｎ及びｖｎｔを推定することで、＾Ｘｔ及び＾Ｙｎｔを計算する。
　分離信号計算部１０３は、＾Ｙｎｔと、＾Ｘｔの逆行列と、観測信号ｘｔとを用いて、上記の式（８）により分離信号ｙｎｔを計算する。
　Ｅ－ｓｔｅｐ部１０４は、ＥＭアルゴリズムのＥ－ｓｔｅｐを実行する。すなわち、Ｅ－ｓｔｅｐ部１０４は、上記の式（２）を計算する。
　Ｍ－ｓｔｅｐ部１０５は、ＥＭアルゴリズムのＭ－ｓｔｅｐを実行する。すなわち、Ｍ－ｓｔｅｐ部１０５は、上記の式（３）及び式（４）によりパラメータＡｎ及びｖｎｔを更新する。
　ここで、Ｅ－ｓｔｅｐ部１０４及びＭ－ｓｔｅｐ部１０５には、逆行列計算部１１０が含まれる。逆行列計算部１１０は、ＳＩＭＤ命令を利用して行列の逆行列を計算する。すなわち、Ｅ－ｓｔｅｐ部１０４に含まれる逆行列計算部１１０は、上記の式（２）を計算する際に、行列＾Ｘｔの逆行列を計算する。同様に、Ｍ－ｓｔｅｐ部１０５に含まれる逆行列計算部１１０は、上記の式（３）によりパラメータｖｎｔを更新する際に、行列Ａｎの逆行列を計算する。
　　（ＭＵアルゴリズムを用いる場合の機能構成）
　以降では、上記の式（１）に示すフルランク空間相関行列モデルのパラメータＡｎ（ｎ＝１，・・・，Ｎ）及びｖｎｔ（ｎ＝１，・・・，Ｎ，ｔ＝１，・・・，Ｔ）の推定にＭＵアルゴリズムを用いる場合の機能構成について、図４を参照しながら説明する。図４は、本発明の実施の形態における信号分離装置１０の機能構成（その２）の一例を示す図である。
　図４に示すように、ＭＵアルゴリズムを用いる場合における信号分離装置１０は、外積計算部１０１と、モデル式計算部１０２と、分離信号計算部１０３と、Ｖ－ｕｐｄａｔｅ部１０６と、Ａ－ｕｐｄａｔｅ部１０７とを有する。これら各部は、信号分離プログラム１００がプロセッサ１６に実行させる処理により実現される。
　外積計算部１０１は、観測信号ｘｔを入力して、外積Ｘｔを計算する。モデル式計算部１０２は、ＭＵアルゴリズムにより上記の式（１）に示すフルランク空間相関行列モデルを計算する。すなわち、モデル式計算部１０２は、ＥＭアルゴリズムにより上記の式（１）に示すフルランク空間相関行列モデルのパラメータＡｎ及びｖｎｔを推定することで、＾Ｘｔ及び＾Ｙｎｔを計算する。
　分離信号計算部１０３は、＾Ｙｎｔと、＾Ｘｔの逆行列と、観測信号ｘｔとを用いて、上記の式（８）により分離信号ｙｎｔを計算する。
　Ｖ－ｕｐｄａｔｅ部１０６は、ＭＵアルゴリズムのＶ－ｕｐｄａｔｅを実行する。すなわち、Ｖ－ｕｐｄａｔｅ部１０６は、上記の式（５）によりパラメータｖｎｔを更新する。
　Ａ－ｕｐｄａｔｅ部１０７は、ＭＵアルゴリズムのＡ－ｕｐｄａｔｅを実行する。すなわち、Ａ－ｕｐｄａｔｅ部１０７は、上記の式（６）を計算した後、上記の式（７）を計算することで、パラメータＡｎを更新する。
　ここで、Ｖ－ｕｐｄａｔｅ部１０６及びＡ－ｕｐｄａｔｅ部１０７には、逆行列計算部１１０が含まれる。逆行列計算部１１０は、ＳＩＭＤ命令を利用して行列の逆行列を計算する。すなわち、Ｖ－ｕｐｄａｔｅ部１０６に含まれる逆行列計算部１１０は、上記の式（５）によりパラメータｖｎｔを更新する際に、行列＾Ｘｔの逆行列を計算する。同様に、Ａ－ｕｐｄａｔｅ部１０７に含まれる逆行列計算部１１０は、上記の式（６）を計算する際に、行列＾Ｘｔの逆行列を計算する。
　＜処理の詳細＞
　以降では、ブラインド信号分離をＥＭアルゴリズム又はＭＵアルゴリズムにより実現する場合に、ＳＩＭＤ命令により効率的に逆行列を計算する処理について説明する。本発明の実施の形態では、一例として、行列＾Ｘｔの逆行列を計算する場合について説明する。なお、行列Ａｎの逆行列を計算する場合は、以降の説明において、ｔをｎ、ＴをＮ、＾ＸｔをＡｎと読み替えればよい。
　　（逆行列の計算方法１による逆行列の計算処理）
　逆行列の計算方法１により逆行列を計算する処理について、図５を参照しながら説明する。図５は、本発明の実施の形態における逆行列の計算処理（その１）の一例を示すフローチャートである。
　図５では、＾ＸｔをＴ個並べたＭ×Ｍ×Ｔのテンソル
Figure JPOXMLDOC01-appb-M000026
 が入力されたものとする。また、逆行列の計算処理の処理結果を、
Figure JPOXMLDOC01-appb-M000027
 とする。すなわち、逆行列の計算処理では、処理結果として、＾Ｘｔの逆行列をＴ個並べたＭ×Ｍ×Ｔのテンソルが出力される。
　ここで、以降では、テンソル同士の和、積、商（＋，・，／）は、テンソルの要素毎（element-wise）の和、積、商の計算を意味するものとする。また、テンソル同士の大きさが一致しない場合は、必要に応じてブロードキャストが行われるものとする。例えば、Ｍ×Ｍ×Ｔのテンソルと１×１×Ｔのテンソルとの演算（和、積又は商）を行う場合、１×１×Ｔのテンソルは、Ｍ×Ｍ×Ｔのテンソルにブロードキャストされた上で、当該演算が行われる。このとき、これらのテンソル同士の演算は、ＳＩＭＤ命令により要素毎に並列的に実行される。これにより、逆行列を効率的に計算（特に、逆行列を計算するための行列式を効率的に計算）することができる。
　逆行列計算部１１０は、ｍ＝１からｍ＝Ｍまで、ステップＳ１０２を繰り返し実行する（ステップＳ１０１）。また、逆行列計算部１１０は、ｋ＝１からｋ＝Ｍまで、ステップＳ１０３を繰り返し実行する（ステップＳ１０２）。
　ステップＳ１０３では、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000028
 を計算する。ここで、
Figure JPOXMLDOC01-appb-M000029
 は、行列＾Ｘｔのｍ行目及びｋ列目を削除してできる（Ｍ－１）×（Ｍ－１）行列をＴ個並べたテンソルである。また、
Figure JPOXMLDOC01-appb-M000030
 は、１×１×Ｔのテンソルのスライスであり、逆行列＾Ｘｔ －１の（ｍ，ｋ）要素がＴ個並んだものである。
　ここで、ＳＩＭＤＤＥＴ（・）はＳＩＭＤ命令により行列式を計算する関数又はメソッドであり、図６に示すＳＩＭＤ命令を利用した行列式の計算処理（又は図７に示すＳＩＭＤ命令を利用した行列式の計算処理）を呼び出して、実行することを意味する。このＳＩＭＤＤＥＴの出力結果は１×１×Ｔのテンソルである。ＳＩＭＤ命令を利用した行列式の計算処理については後述する。
　上記のステップＳ１０１の繰り返しと、上記のステップＳ１０２の繰り返しとにより、上記のステップＳ１０３は、ｍ＝１，・・・，Ｍ及びｋ＝１，・・・，Ｍに対して実行される。
　上記のステップＳ１０１の繰り返しが終了した場合、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000031
 を計算する（ステップＳ１０４）。そして、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000032
 を出力する（ステップＳ１０５）。これにより、逆行列の計算処理の処理結果として、逆行列＾Ｘｔ －１をＴ個並べたＭ×Ｍ×Ｔのテンソルが出力される。
　　（ＳＩＭＤ命令を利用した行列式の計算処理（行列式の計算方法１））
　ここで、上記のステップＳ１０３及びステップＳ１０４のＳＩＭＤＤＥＴ（・）で呼び出される処理として、ＳＩＭＤ命令を利用して、行列式の計算方法１により行列式を計算する場合について、図６を参照しながら説明する。図６は、本発明の実施の形態におけるＳＩＭＤ命令を利用した行列式の計算処理（その１）の一例を示すフローチャートである。上述したように、この処理は、ＳＩＭＤＤＥＴ（・）により呼び出される。ここで、図６では、ＳＩＭＤＤＥＴ（・）の引数として指定されているテンソル（つまり、行列式の計算処理の入力となるテンソル）の大きさをＭ´×Ｍ´×Ｔとする。また、図６では、
Figure JPOXMLDOC01-appb-M000033
 は、大きさ１×１×Ｔのテンソルのスライスであり、行列＾Ｘｔの（ｍ，ｋ）要素がＴ個並んだものである。
　まず、逆行列計算部１１０は、Ｍ´＝１であるか否かを判定する（ステップＳ２０１）。Ｍ´＝１でない場合、逆行列計算部１１０は、１×１×Ｔのテンソルｄの各要素を０に初期化する（ステップＳ２０２）。次に、逆行列計算部１１０は、ｍ＝１からｍ＝Ｍ´まで、ステップＳ２０４を繰り返し実行する（ステップＳ２０３）。
　ステップＳ２０４では、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000034
 を計算する（ステップＳ２０４）。すなわち、逆行列計算部１１０は、ＳＩＭＤＤＥＴ（・）に入力されるテンソルを構成する行列＾Ｘｔの大きさ（行数及び列数）を１つずつ小さくしながら再帰的にＳＩＭＤＤＥＴ（・）を実行することで、ｄを更新する。
　上記のステップＳ２０３の繰り返しが終了した場合、逆行列計算部１１０は、ｄ（つまり、行列式の計算結果）を出力する（ステップＳ２０５）。
　上記のステップＳ２０１でＭ´＝１である場合、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000035
 を出力する（ステップＳ２０６）。
　このように、図６に示すＳＩＭＤ命令を利用した行列式の計算処理は、入力されるテンソルを構成する行列＾Ｘｔの大きさを１つずつ小さくしながら、Ｍ´＝１となるまで再帰的に実行される。なお、本発明の実施の形態では、Ｍ´＝１となるまで再帰的に実行するものとしたが、より高速化を実現するため、例えば、Ｍ´＝２となるまで再帰的に実行してもよい。この場合、Ｍ´＝２における処理結果を、
Figure JPOXMLDOC01-appb-M000036
 とすればよい。
　　（ＳＩＭＤ命令を利用した行列式の計算処理（行列式の計算方法２））
　次に、上記のステップＳ１０３及びステップＳ１０４のＳＩＭＤＤＥＴ（・）で呼び出される処理として、ＳＩＭＤ命令を利用して、行列式の計算方法２により行列式を計算する場合について、図７を参照しながら説明する。図７は、本発明の実施の形態におけるＳＩＭＤ命令を利用した行列式の計算処理（その２）の一例を示すフローチャートである。上述したように、この処理は、ＳＩＭＤＤＥＴ（・）により呼び出される。ここで、図７では、ＳＩＭＤＤＥＴ（・）の引数として指定されているテンソル（つまり、行列式の計算処理の入力となるテンソル）の大きさをＭ´×Ｍ´×Ｔとする。また、図６では、
Figure JPOXMLDOC01-appb-M000037
 は大きさ（Ｍ－１）×１×Ｔのテンソルのスライスであり、
Figure JPOXMLDOC01-appb-M000038
 は大きさ１×（Ｍ－１）×Ｔのテンソルのスライスである。
　まず、逆行列計算部１１０は、Ｍ´＝１であるか否かを判定する（ステップＳ３０１）。Ｍ´＝１でない場合、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000039
 を計算する（ステップＳ３０２）。
　次に、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000040
 を計算する（ステップＳ３０３）。すなわち、逆行列計算部１１０は、上記のステップＳ３０２で得られた
Figure JPOXMLDOC01-appb-M000041
 を引数としてＳＩＭＤＤＥＴ（・）を再帰的に実行（つまり、図７に示すＳＩＭＤ命令を利用した行列式の計算処理を再帰的に実行）することで、ｄを計算する。
　そして、逆行列計算部１１０は、ｄを出力する（ステップＳ３０４）。一方で、上記のステップＳ３０１でＭ´＝１である場合、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000042
 を出力する（ステップＳ３０５）。
　このように、図７に示すＳＩＭＤ命令を利用した行列式の計算処理も、入力されるテンソルを構成する行列＾Ｘｔの大きさを１つずつ小さくしながら、Ｍ´＝１となるまで再帰的に実行される。なお、本発明の実施の形態では、Ｍ´＝１となるまで再帰的に実行するものとしたが、図６に示すＳＩＭＤ命令を利用した行列式の計算処理と同様に、より高速化を実現するため、例えば、Ｍ´＝２となるまで再帰的に実行してもよい。
　なお、逆行列の計算方法１による逆行列の計算処理において、行列式を計算するための関数又はメソッドＳＩＭＤＤＥＴ（・）として、図６に示すＳＩＭＤ命令を利用した行列式の計算処理又は図７に示すＳＩＭＤ命令を利用した行列式の計算処理のいずれを採用するかは、例えば、行列のサイズ等に応じて適宜選択することが可能である。
　　（逆行列の計算方法２による逆行列の計算処理）
　次に、逆行列の計算方法２により逆行列を計算する処理について、図８を参照しながら説明する。図８は、本発明の実施の形態における逆行列の計算処理（その２）の一例を示すフローチャートである。なお、図８に示す逆行列の計算処理では、図５に示す逆行列の計算処理とは異なり、行列式の計算は行わない。代わりに、図８に示す逆行列の計算処理では、ＳＩＭＤ命令により行列とベクトルとの積を計算をすると共に、ＳＩＭＤ命令により内積を計算する。これにより、逆行列を効率的に計算することができる。
　図８では、図５と同様に、＾ＸｔをＴ個並べたＭ×Ｍ×Ｔのテンソルが入力されたものとする。また、図８に示す逆行列の計算処理を呼び出す関数又はメソッドをＳＩＭＤＭＡＴＲＩＸＩＮＶＥＲＳＥ（・）とする。
　以降では、「逆行列の計算方法１による逆行列の計算処理」と同様に、テンソル同士の和、積、商（＋，・，／）は、テンソルの要素毎（element-wise）の和、積、商の計算を意味するものとする。また、テンソル同士の大きさが一致しない場合は、必要に応じてブロードキャストが行われるものとする。このとき、これらのテンソル同士の演算は、ＳＩＭＤ命令により要素毎に並列的に実行される。これにより、逆行列を効率的に計算（特に、逆行列を計算するための行列とベクトルとの積や内積を効率的に計算）することができる。
　まず、逆行列計算部１１０は、Ｍ＝１であるか否かを判定する（ステップＳ４０１）。Ｍ＝１でない場合、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000043
 を計算する（ステップＳ４０２）。
　次に、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000044
 を計算する（ステップＳ４０３）。すなわち、逆行列計算部１１０は、上記のステップＳ４０２で得られた
Figure JPOXMLDOC01-appb-M000045
 を引数としてＳＩＭＤＭＡＴＲＩＸＩＮＶＥＲＳＥ（・）を再帰的に実行（つまり、図９に示す逆行列の計算処理を再帰的に実行）する。
　次に、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000046
 を計算する（ステップＳ４０４）。
　ここで、ＳＩＭＤＭＡＴＲＩＸＶＥＣＴＯＲＭＵＬＴ（・，・）はＳＩＭＤ命令により行列とベクトルとの積を計算する関数又はメソッドであり、図９に示す行列とベクトルとの積の計算処理を呼び出して、実行することを意味する。行列とベクトルとの積の計算処理については後述する。
　次に、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000047
 を計算する（ステップＳ４０５）。
　次に、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000048
 を計算する（ステップＳ４０６）。
　ここで、ＳＩＭＤＩＮＮＥＲＰＲＯＤＵＣＴ（・，・）はＳＩＭＤ命令により内積を計算する関数又はメソッドであり、図１０に示す内積の計算処理を呼び出して、実行することを意味する。内積の計算処理については後述する。
　一方で、上記のステップＳ４０１でＭ＝１である場合、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000049
 を計算する（ステップＳ４０７）。
　そして、ステップＳ４０６又はステップＳ４０７に続いて、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000050
 を出力する（ステップＳ４０８）。これにより、逆行列の計算処理の処理結果として、逆行列＾Ｘｔ －１をＴ個並べたＭ×Ｍ×Ｔのテンソルが出力される。
　　（ＳＩＭＤ命令を利用した行列とベクトルとの積の計算処理）
　次に、上記のステップＳ４０４のＳＩＭＤＭＡＴＲＩＸＶＥＣＴＯＲＭＵＬＴ（・，・）で呼び出される処理として、ＳＩＭＤ命令を利用して、行列とベクトルとの積を計算する場合について、図９を参照しながら説明する。図９は、本発明の実施の形態における行列とベクトルとの積の計算処理の一例を示すフローチャートである。上述したように、この処理は、ＳＩＭＤＭＡＴＲＩＸＶＥＣＴＯＲＭＵＬＴ（・，・）により呼び出される。ここで、図９では、
Figure JPOXMLDOC01-appb-M000051
 として、
Figure JPOXMLDOC01-appb-M000052
 が呼び出された場合について説明する。
　まず、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000053
 　として、Ｍ×１×Ｔのテンソルの各要素を０に初期化する（ステップＳ５０１）。
　次に、逆行列計算部１１０は、ｍ＝１からｍ＝Ｍまで、ステップＳ５０３を繰り返し実行する（ステップＳ５０２）。
　ステップＳ５０３では、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000054
 を計算する。ここで、
Figure JPOXMLDOC01-appb-M000055
 はＭ×１×Ｔのテンソルであり、
Figure JPOXMLDOC01-appb-M000056
 は１×１×Ｔのテンソルである。したがって、
Figure JPOXMLDOC01-appb-M000057
 はＭ×１×Ｔのテンソルとなる。
　そして、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000058
 を出力する（ステップＳ５０４）。
　　（ＳＩＭＤ命令を利用した内積の計算処理）
　次に、上記のステップＳ４０６のＳＩＭＤＩＮＮＥＲＰＲＯＤＵＣＴ（・，・）で呼び出される処理として、ＳＩＭＤ命令を利用して、内積を計算する場合について、図１０を参照しながら説明する。図１０は、本発明の実施の形態における内積の計算処理の一例を示すフローチャートである。上述したように、この処理は、ＳＩＭＤＩＮＮＥＲＰＲＯＤＵＣＴ（・，・）により呼び出される。ここで、図１０では、
Figure JPOXMLDOC01-appb-M000059
 として、
Figure JPOXMLDOC01-appb-M000060
 が呼び出された場合について説明する。
　まず、逆行列計算部１１０は、１×１×Ｔのテンソルｄの各要素を０に初期化する（ステップＳ６０１）。
　次に、逆行列計算部１１０は、ｍ＝１からｍ＝Ｍまで、ステップＳ６０３を繰り返し実行する（ステップＳ６０２）。
　ステップＳ６０３では、逆行列計算部１１０は、
Figure JPOXMLDOC01-appb-M000061
 を計算する。
　そして、逆行列計算部１１０は、ｄを出力する（ステップＳ６０４）。
　＜本発明の実施の形態の効果＞
　最後に、本発明の実施の形態の効果を示すために、空間で混合された音（音声信号）を分離する実験を行った。源信号として４つの音声、センサとして２個から５個のマイクロホンを用いて、６秒間すべての音声が喋っている混合音を観測信号とした。
　このとき、ＳＩＭＤ命令を用いずに従来手法により逆行列を計算した場合を「ＣＰＵ（従来）」、ＣＰＵのＳＩＭＤ命令を用いて逆行列の計算方法１により逆行列を計算した場合を「ＣＰＵ（ＳＩＭＤ１）」、ＣＰＵのＳＩＭＤ命令を用いて逆行列の計算方法２により逆行列を計算した場合を「ＣＰＵ（ＳＩＭＤ２）」、ＣＰＵだけでなくＧＰＵも用いて逆行列の計算方法１により逆行列を計算した場合を「ＧＰＵ（ＳＩＭＤ１）」、ＣＰＵだけでなくＧＰＵも用いて逆行列の計算方法２により逆行列を計算した場合を「ＧＰＵ（ＳＩＭＤ２）」として、ＥＭアルゴリズムの繰り返しに要した実行時間（秒）を以下の表１に示す。なお、ＣＰＵ及びＧＰＵは、それぞれ同一のＣＰＵ及びＧＰＵを用いている。
Figure JPOXMLDOC01-appb-T000062
 　表１に示すように、ＣＰＵ（従来）では２０回繰り返しに要した時間は３３．９（秒）、１００回繰り返しに要した時間は１６５．４（秒）であるのに対して、ＣＰＵ（ＳＩＭＤ１）では２０回繰り返しに要した時間は１９．５（秒）、１００回繰り返しに要した時間は９３．０（秒）、ＣＰＵ（ＳＩＭＤ２）では２０回繰り返しに要した時間は１８．３（秒）、１００回繰り返しに要した時間は８８．９（秒）であり、実行時間を削減できていることがわかる。また、ＧＰＵ（ＳＩＭＤ１）では２０回繰り返しに要した時間は３．２（秒）、１００回繰り返しに要した時間は７．５（秒）、ＧＰＵ（ＳＩＭＤ２）では２０回繰り返しに要した時間は４．２（秒）、１００回繰り返しに要した時間は７．２（秒）であり、更に実行時間を削減できていることがわかる。
　なお、音声分離性能を示すＳＤＲ（Signal-to-Distortion Ratio）を計測すると、ＣＰＵ（従来）、ＣＰＵ（ＳＩＭＤ１）及びＧＰＵ（ＳＩＭＤ１）のいずれも２０回繰り返しの場合は８．０３ｄＢ、１００回繰り返しの場合は１０．３６ｄＢであった。
　また、センサの数Ｍを２から５まで変化させた場合の実行時間を以下の表２に示す。
Figure JPOXMLDOC01-appb-T000063
 　逆行列の計算方法１では特にＣＰＵの場合（つまり、ＣＰＵ（ＳＩＭＤ１））に実行時間が増加し、Ｍ＝５の場合にはＣＰＵ（従来）よりも多くの実行時間を要した。これに対して、逆行列の計算方法２ではＭの増加に伴う実行時間の増加が抑えられている。なお、逆行列の計算方法１及び逆行列の計算方法２のいずれも、ＧＰＵを用いた場合には大幅な高速化が達成された。
　このように、本発明の実施の形態によれば、従来技術と比較して実行時間を大幅に削減することができ、現実的な分離性能の向上にも繋がっていることがわかる。
　本発明は、具体的に開示された上記の実施形態に限定されるものではなく、請求の範囲の記載から逸脱することなく、種々の変形や変更が可能である。
　本願は、日本国に２０１８年１１月１２日に出願された基礎出願２０１８－２１２４０８号に基づくものであり、その全内容はここに参照をもって援用される。
　１０　　　　信号分離装置
　１００　　　信号分離プログラム
　１０１　　　外積計算部
　１０２　　　モデル式計算部
　１０３　　　分離信号計算部
　１０４　　　Ｅ－ｓｔｅｐ部
　１０５　　　Ｍ－ｓｔｅｐ部
　１０６　　　Ｖ－ｕｐｄａｔｅ部
　１０７　　　Ａ－ｕｐｄａｔｅ部
　１１０　　　逆行列計算部

Claims (9)

  1. 　複数の目的信号が混合された観測信号を入力して、前記観測信号の外積を計算する外積計算手段と、
    　所定のアルゴリズムにより、前記外積を推定するためのモデルのパラメータを、前記外積の推定値を表す行列の逆行列を用いて更新するモデル計算手段と、
    　前記パラメータを更新する際に、ＳＩＭＤ命令により前記逆行列を計算する逆行列計算手段と、
    　前記外積の推定値を表す行列と、更新後の前記パラメータと、前記観測信号とを用いて、前記目的信号を計算する分離手段と、
    　を有することを特徴とする信号分離装置。
  2. 　前記外積計算手段は、
    　前記観測信号が観測される離散時間をｔ＝１，・・・，Ｔとして、離散時間ｔ毎に、前記外積を計算し、
    　前記モデル計算手段は、
    　前記アルゴリズムにより、前記離散時間ｔ毎の外積を推定するためのモデルのパラメータを、前記離散時間ｔ毎の外積の推定値をそれぞれ表す行列の逆行列を用いて更新し、
    　前記逆行列計算手段は、
    　前記パラメータを更新する際に、前記離散時間ｔ毎の外積の推定値をそれぞれ表す行列により構成されるテンソルを用いて、前記ＳＩＭＤ命令により、前記逆行列により構成されるテンソルを計算する、ことを特徴とする請求項１に記載の信号分離装置。
  3. 　前記逆行列計算手段は、
    　前記離散時間ｔ毎の外積の推定値をそれぞれ表す行列の行列式を前記ＳＩＭＤ命令により再帰的に計算し、
    　計算された行列式を用いて、前記逆行列により構成されるテンソルを計算する、ことを特徴とする請求項２に記載の信号分離装置。
  4. 　前記逆行列計算手段は、
    　ブロック行列の行列式と前記ブロック行列を構成するスカラー、ベクトル及び行列の行列式との関係性に従って前記離散時間ｔ毎の外積の推定値をそれぞれ表す行列の行列式を前記ＳＩＭＤ命令により再帰的に計算する、ことを特徴とする請求項３に記載の信号分離装置。
  5. 　前記逆行列計算手段は、
    　ブロック行列の行列式と前記ブロック行列を構成するスカラー、ベクトル及び行列の行列式との関係性に従って前記離散時間ｔ毎の外積の推定値をそれぞれ表す行列の逆行列を前記ＳＩＭＤ命令により再帰的に計算する、ことを特徴とする請求項２に記載の信号分離装置。
  6. 　前記パラメータには、前記目的信号の信号源から、前記観測信号を観測するセンサへの相対的な伝達を示す空間相関行列が含まれ、
    　前記逆行列計算手段は、
    　前記パラメータを更新する際に、前記ＳＩＭＤ命令により、前記空間相関行列の逆行列を更に計算する、
    　ことを特徴とする請求項１乃至５の何れか一項に記載の信号分離装置。
  7. 　前記アルゴリズムは、ＥＭアルゴリズム又はＭＵアルゴリズムである、ことを特徴とする請求項１乃至６の何れか一項に記載の信号分離装置。
  8. 　複数の目的信号が混合された観測信号を入力して、前記観測信号の外積を計算する外積計算手順と、
    　所定のアルゴリズムにより、前記外積を推定するためのモデルのパラメータを、前記外積の推定値を表す行列の逆行列を用いて更新するモデル計算手順と、
    　前記パラメータを更新する際に、ＳＩＭＤ命令により前記逆行列を計算する逆行列計算手順と、
    　前記外積の推定値を表す行列と、更新後の前記パラメータと、前記観測信号とを用いて、前記目的信号を計算する分離手順と、
    　をコンピュータが実行することを特徴とする信号分離方法。
  9. 　コンピュータを、請求項１乃至７の何れか一項に記載の信号分離装置における各手段として機能させるためのプログラム。
PCT/JP2019/026019 2018-11-12 2019-07-01 信号分離装置、信号分離方法及びプログラム Ceased WO2020100341A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2020556587A JP7140206B2 (ja) 2018-11-12 2019-07-01 信号分離装置、信号分離方法及びプログラム
US17/292,529 US11915717B2 (en) 2018-11-12 2019-07-01 Signal separation apparatus, signal separation method and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018212408 2018-11-12
JP2018-212408 2018-11-12

Publications (1)

Publication Number Publication Date
WO2020100341A1 true WO2020100341A1 (ja) 2020-05-22

Family

ID=70730238

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/026019 Ceased WO2020100341A1 (ja) 2018-11-12 2019-07-01 信号分離装置、信号分離方法及びプログラム

Country Status (3)

Country Link
US (1) US11915717B2 (ja)
JP (1) JP7140206B2 (ja)
WO (1) WO2020100341A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6915579B2 (ja) * 2018-04-06 2021-08-04 日本電信電話株式会社 信号分析装置、信号分析方法および信号分析プログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002059772A2 (en) * 2000-11-09 2002-08-01 Hrl Laboratories, Llc Blind decomposition using fourier and wavelet transforms

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ACTON, M.: "A 4x4 matrix inverse", CELLPERFORMANCE, 3 June 2006 (2006-06-03), pages 1 - 12, Retrieved from the Internet <URL:https://cellperformance.beyond3d.com/articles/2006/06/a-4x4-matrix-inverse.html> [retrieved on 20190823] *
LI, Z. ET AL.: "An implementation of MIMO detection in TD-LTE based on general purpose processor", PROCEEDINGS OF THE 7TH INTERNETIONAL ICST CONFERENCE ON COMMUNICATIONS AND NETWORKING IN CHINA ( CHINA COM 2012, 10 August 2012 (2012-08-10), pages 807 - 811, XP032425068, ISBN: 978-1-4673-2699-5, DOI: 10.1109/ChinaCom.2012.6417595 *
SAWADA, H. ET AL.: "Multichannel extensions of non-negative matrix factorization with complex- valued data", IEEE TRANSACTIONS ON AUDIO, SPEECH, AND LANGUAGE PROCESSING, vol. 21, no. 5, 14 January 2013 (2013-01-14), pages 971 - 982, XP011493616, ISSN: 1558-7916, DOI: 10.1109/TASL.2013.2239990 *

Also Published As

Publication number Publication date
JPWO2020100341A1 (ja) 2021-09-02
JP7140206B2 (ja) 2022-09-21
US20210398549A1 (en) 2021-12-23
US11915717B2 (en) 2024-02-27

Similar Documents

Publication Publication Date Title
US11238881B2 (en) Weight matrix initialization method to improve signal decomposition
JP4810109B2 (ja) 別個の信号の成分を分離する方法およびシステム
WO2014147442A1 (en) Spatial audio apparatus
EP2940687A1 (en) Methods and systems for processing and mixing signals using signal decomposition
JPWO2017141542A1 (ja) マスク推定装置、マスク推定方法及びマスク推定プログラム
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
CN106297820A (zh) 具有基于迭代加权的源方向确定的音频源分离
JP7552742B2 (ja) 音源分離装置、音源分離方法、およびプログラム
JP7140206B2 (ja) 信号分離装置、信号分離方法及びプログラム
US10740341B1 (en) Single- and multi-variate tensor spectral analysis
WO2021112066A1 (ja) 音響解析装置、音響解析方法及び音響解析プログラム
US10747846B2 (en) Efficient matrix property determination with pipelining and parallelism
JP4952979B2 (ja) 信号分離装置、信号分離方法、ならびに、プログラム
JP7243840B2 (ja) 推定装置、推定方法及び推定プログラム
JP6808597B2 (ja) 信号分離装置、信号分離方法及びプログラム
JP2022127719A (ja) ソース信号分離装置、ソース信号分離方法、プログラム、ならびに、情報記録媒体
JP2016156944A (ja) 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
US20200388298A1 (en) Target sound enhancement device, noise estimation parameter learning device, target sound enhancement method, noise estimation parameter learning method, and program
KR102066213B1 (ko) 데이터 처리 장치 및 방법
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
JP7156064B2 (ja) 潜在変数最適化装置、フィルタ係数最適化装置、潜在変数最適化方法、フィルタ係数最適化方法、プログラム
JP2005236852A (ja) 信号分離方法、信号分離装置、及び信号分離プログラム
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
KR101838408B1 (ko) 오디오 신호 처리 방법 및 장치
JP7259572B2 (ja) 分析装置、分析方法及びプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19884781

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020556587

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19884781

Country of ref document: EP

Kind code of ref document: A1