講義スライド 良先端科学技術大学院大学.pptVIP

音情報処理論Ⅱ独立成分分析によるブラインド音源分離とその音声処理への応用 奈良先端科学技術大学院大学 情報科学研究科　音情報処理学講座 猿渡　洋 猿渡担当分の講義資料について 講義資料は以下から各自入手すること （注）PowerPointとプリンタの相性により、配布資料形式では一部数式が文字化けしていることがあるので、必ず上記から資料を入手し「1ページ１枚のモード」でプリントアウトしてみてください。 本日の講義内容 研究背景の概説 独立成分分析とブラインド音源分離 独立成分分析の基礎 独立成分分析によるブラインド音源分離 実際の音場への応用 独立成分分析における問題点 周波数帯域分割数と独立性の関係 反復学習の収束性改善法 マイクロホンアレー研究の背景 マイクロホンアレーとその応用 古典的アプローチ： ビームフォーミング 遅延和型：　低サイドローブの実現が困難 適応型：目的音の方位?無音区間情報が必要 マイクロホンアレーの問題点 遅延和型：素子係数により指向特性を制御 適応型：雑音の到来方向に指向特性を適応 ブラインド音源分離の登場 Blind Source Separation (BSS) 複数の音源信号が混合されて観測された場合、観測信号のみから音源信号を推定する技術 目的音の方位?無音区間情報が不要 独立成分分析（ICA）に基づくBSS J. Cardoso, 1989 C. Jutten, 1990 （高次無相関化） P. Common, 1994 （ICAという言葉を定義） A. Bell et al., 1995 （infomaxによる定式化） 「独立」とは何か？ 数学における「独立」の定義： 2つの確率事象に関する同時確率密度分布　　　　　　が，それぞれの事象における周辺密度分布　　　　　　　　　　の積で書ける場合を「（統計的に）独立」と呼ぶ．つまり 独立である場合の例 独立ではない場合の例 独立成分分析（ICA）とは何か？ 独立な成分の抽出： 複数の確率信号が混合された観測系列から，統計的に独立な個々の確率過程を分解抽出する． 特徴： 独立性は「無相関性」よりも厳しい尺度であり，確率信号同士の確率密度構造が問われる． 　　→情報幾何学と呼ばれる 　　→「独立?無相関」であるが、 　　　 「無相関?独立」は必ずしも成り立たない． 独立成分分析と主成分分析 主成分分析（PCA）： 複数要因の混合で表現されるものの中から，分散の大きなものの順に成分を取り出す． エネルギーの大きな因子を優先した成分分解法 　　→ エネルギーが大＝影響が大と見なす 一方，独立成分分析は… エネルギーの大小とは無関係に，「独立」なもの同士に分解する．小さな成分でも他と独立性が高ければそれを抽出することが可能． 取り出される因子の順番は問わない． ICAに基づくBSS とは？ ICAに基づくBSSの定式化 ICAにおける様々なコスト関数 無相関化 信号間相関を最小化（複数時間区間利用） 非線形関数１ 高次相関をも最小化 非線形関数２ 源信号確率密度関数を仮定 非線型関数2の導出 独立?Kullback Leibler Divergenceの最小化問題 一般にKullback Leibler Divergenceとは2分布間の距離 ICAに基づく BSSの応用先は? 時間差を扱わない混合過程のみに限定 → 混合行列は実定数の場合のみ． → 複数信号が単に定数で混合されて観測される　というシチュエーションは実在するのか？ 実環境音場への応用 マイクロホンアレーへの適用 → 到来信号は各受音点（マイク）間にて時間差　　を持つ． → 混合行列Aは，単純な実定数ではなく，畳み　　込みの形で表現される． 実環境音場への応用（cont’d） 時間差のある畳み込み混合の2解法: 時間領域ICA：畳み込みフィルタを直接推定 　　?複雑な音場には対応困難 周波数領域ICA：周波数変換により問題単純化 周波数領域ICAの拡張 周波数領域ICAの問題: ①統計量（期待値）をどのように算出するか? ②音源の入れ替わり?利得不定問題 ①の解決方法：　時間‐周波数分解 信号全体を一括してDFTするのではなく，短い窓を掛けた部分のみを短時間DFT分析し，その処理を時間方向に窓をシフトして繰り返す． 　　?　ある周波数成分を複素時系列として抽出 時間‐周波数分解によるICA 音源入れ替わり?利得不定問題 分離音声例 無残響実験 混合音 分離音 (女性；信号包絡マージ) 分離音 (女性；指向特性マージ) 分離音 (男性；指向特性マージ) 残響付与実験 (残響時間