| 研究課題/領域番号 |
15K00746
|
|---|
| 研究機関 | 秋田大学 |
|---|
研究代表者 |
田中 元志 秋田大学, 工学(系)研究科(研究院), 准教授 (50261649)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2018-03-31
|
| キーワード | 生活活動音 / 広帯域周波数解析 / 特徴抽出 |
|---|
| 研究実績の概要 |
音による家屋内の異常検出を目的に，日常の生活活動で発生する音（生活音）の解析条件に関する検討と，ヒトの可聴周波数以上の帯域の情報の利用の可能性についての検討を主に行った。なお，生活音の採取については，秋田大学の倫理審査委員会の承認を受け，被験者の同意を得たうえで行った。以下に結果をまとめる。
(1) 日常生活において孤立して発生する音の継続時間を調べた。一人暮らし男性のアパート（木造2階，1K）居室にマイクロフォン（帯域幅0.02～20 kHz）とレコーダ（サンプリング周波数44.1 kHz，量子化ビット数16 bit）を設置し，生活音を採取した。ここでは，継続して発生する音（ファンの音など）は対象とせずに，「足音」，「ドアの開閉音」，「咳」など孤立して発生する計146個の音の継続時間を検出した。その結果，検出した音の96.6％が500 ms以下の継続時間であり，200～300 msにもっとも多く分布した。ヒトの行動に伴う音の発生の検出においては，フレーム長を500 ms程度に設定してよいことが示唆された。
(2) 生活活動音の可聴周波数より高い周波数帯での特徴を調査するために，(1)と同じ部屋に広帯域マイクロフォン（0.02～100 kHz）とレコーダ（周波数帯域幅80 kHz，サンプリング周波数192 kHz，量子化ビット数16 bit）を設置し，日常の生活音を採取した。(1)の結果を基に解析フレーム長500 ms（ハミング窓），フレーム周期250 msとして，STFTによる時間-周波数解析を行った。その結果，可聴周波数帯域のみならずそれより高い周波数においても，いくつかのピークが観測された。多くの生活音について比較すると，音によってそのピーク周波数およびスペクトルの包絡形状が異なった。それらの特徴量としての利用の可能性が示唆される。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
平成27年度は，日常の生活活動音（生活音）の解析条件に関する検討と，ヒトの可聴周波数以上の帯域の情報の利用の可能性に関する検討を中心に行った。その結果，家屋内の日常生活において孤立して発生する音のほとんどが500 ms以下の継続時間であり，200～300 msにもっとも多く分布した。ヒトの行動に伴う音の発生の検出においては，フレーム長を500 ms程度に設定してよいことが示唆された。また，生活音の広帯域周波数解析（帯域幅80 kHz，サンプリング周波数192 kHz）の結果，可聴周波数帯域のみならずそれより高い周波数においても，いくつかのピークが観測された。音によってピーク周波数とスペクトルの包絡形状が異なり，特徴量としての利用の可能性が示唆された。これらの知見は本研究の成果である。
しかし，当初計画していた確率モデル化のための生活音の分類の検討には至っていない。可聴周波数帯域より高周波数帯の特徴量とその抽出方法の検討を先に行う必要があり，今後の課題となっている。また，足音の広帯域周波数解析についても今後の課題となった。これらについての検討，および生活音の分類（クラスタリング）についての検討については，平成28年度に行う予定である。
|
| 今後の研究の推進方策 |
平成28年度は，生活音の広帯域周波数解析結果からの特徴抽出とその分類，および確率モデル化についての検討を中心に行う。
(1) 足音を含む生活音の時間-周波数解析を行い，可聴周波数より高い周波数帯域の特徴量とその抽出方法について検討する。そして，得られた特徴量を特徴ベクトルとしてクラスタリング（分類）を行う。このままでは非日常音（異常時の音など）を識別することはできないため，各クラスタに領域を設定し，領域外を非日常音と識別することを検討する。
(2) 生活音の各クラスタを状態とする確率モデル化を検討する。学習（確率モデル作成）時の生活音を用いて，各クラスタの領域内に含まれる確率，および含まれない確率を求める。このとき，音毎に，状態の遷移を時系列で調べ，その過程のモデル化を検討する。また，クラスタ・状態の数，クラスタの領域設定などを適切に決めるための評価法についても検討する。
平成29年度は，試作した確率モデルを用いた異常検出の方法（アルゴリズム）の検討を主に行う。ここでは，未学習音や，めったに発生しない音の発生確率は小さく，また活動がない場合は発生確率の変化が小さくなるように確率モデルを設定する。そして，発生確率の時系列変化を観測することで，異常か否かを判別する方法を検討する。異常音の例として，転倒を模擬した音などを用いる。また，足音を用いた検出方法（歩行の有無による判別など）についても検討を行う。
なお，DSPを利用したシステムの開発を計画したが，現在試作しているプログラムのDSPへの移植は容易でないことが判明した。そこで，上記の検討と並行して，音をコンピュータに直接取り込み，実時間処理する可搬なシステムの構築を検討する。また，本研究では，必要に応じて，被験者を用いた音の採取，および主観評価試験を行う。そのため，秋田大学倫理委員会の承認を受ける予定である。
|
