マイクロホンアレーを用いた信号分離フィルタに関する研究

2006 Fiscal Year Annual Research Report

• Project/Area Number: 06J01250
• Research Institution: Tokyo University of Agriculture and Technology
• Principal Investigator: 村上 隆啓 東京農工大学, 大学院共生科学技術研究院, 特別研究員(PD)
• Keywords: マイクロホンアレー / 独立成分分析 / kurtosis / ブラインド信号分離 / 畳み込み混合 / サブバンド / 順序問題 / DFT基底関数

Research Abstract

独立成分分析(ICA)に関する研究では,kurtosis最大化ICAに必要な計算量の大幅な削減に成功した.kurtosis最大化ICAは,kurtosisに基づく評価関数を最大化することで,複数の信号が混合された観測信号から個々の信号を分離するものである.従来は,この評価関数を最適化するための手法として勾配法や不動点法などの繰り返し学習アルゴリズムが用いられてきた.しかし,これらのアルゴリズムでは適当な初期値から学習則に基づきパラメータを少しずつ更新していくため,初期値の選び方や観測信号の状態によっては,学習が収束するまでの時間が比較的長くなるという問題があった.この問題を改善するために本研究では,信号を分離するためのシステムを表す分離行列を複数のギブンズ回転行列へと分解し,個々の回転行列における評価関数の最適解が閉じた形で得られることを示した.
音声信号のブラインド信号分離(BSS)に関する研究では,実環境における音声信号の混合過程を記述できる畳み込み混合モデルにおいて,信号を周波数帯域が一部重複した狭帯域信号に分割することによって効果的に信号分離を行うことができることを示した.従来の時間周波数領域変換と既存の瞬時混合ICA手法を組み合わせた周波数領域ICAでは,各周波数帯において分離された信号がどの源信号に由来する成分なのかを決定しなければならないという順序問題が発生する.本研究では,従来の時間周波数領域変換の代わりに,DFT基底関数を用いて隣接する周波数帯における狭帯域信号の周波数が一部重複するような狭帯域信号を生成し,各周波数帯において瞬時混合ICA手法を適用する手法を提案した.そして,隣接する周波数帯における互いに重複した周波数成分を用いることで,順序問題を解決することができることを示した.