知財求人 - 知財ポータルサイト「IP Force」
▶ フラウンホーファー−ゲゼルシャフト・ツール・フェルデルング・デル・アンゲヴァンテン・フォルシュング・アインゲトラーゲネル・フェラインの特許一覧 ▶ テヒニッシェ ウニフェルジテート イルメナウの特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2023-10-25
(45)【発行日】2023-11-02
(54)【発明の名称】ソース分離
(51)【国際特許分類】
G10L 21/0272 20130101AFI20231026BHJP
G10L 21/0308 20130101ALI20231026BHJP
【ＦＩ】
G10L21/0272 100A
G10L21/0308 A
【請求項の数】
27
(21)【出願番号】P 2022520412
(86)(22)【出願日】2020-10-02
(65)【公表番号】
(43)【公表日】2023-02-16
(86)【国際出願番号】 EP2020077716
(87)【国際公開番号】W WO2021064204
(87)【国際公開日】2021-04-08
【審査請求日】2022-05-31
(31)【優先権主張番号】19201575.8
(32)【優先日】2019-10-04
(33)【優先権主張国・地域又は機関】EP
(73)【特許権者】
【識別番号】500341779
【氏名又は名称】フラウンホーファー－ゲゼルシャフト・ツール・フェルデルング・デル・アンゲヴァンテン・フォルシュング・アインゲトラーゲネル・フェライン
(73)【特許権者】
【識別番号】509347479
【氏名又は名称】テヒニッシェ ウニフェルジテート イルメナウ
(74)【代理人】
【識別番号】100134119
【弁理士】
【氏名又は名称】奥町 哲行
(72)【発明者】
【氏名】シュラー・ゲラルト
【審査官】菊地 陽一
(56)【参考文献】
【文献】特表２００９－５４０３７８（ＪＰ，Ａ）
【文献】特開２０１７－０３２９０５（ＪＰ，Ａ）
【文献】Ali Khanagha et. al.，Selective tap training of FIR filters for Blind Source Separation of convolutive speech mixtures，2009 IEEE Symposium on Industrial Electronics & Applications，2009年10月04日，pages 248-252
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ１０Ｌ ２１／０２７２
Ｇ１０Ｌ ２１／０３０８
(57)【特許請求の範囲】
【請求項1】
複数の入力信号（５０２、Ｍ０、Ｍ１）に基づいて、異なる音源（ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１）に関連付けられた複数の出力信号（５０４、Ｓ’０、Ｓ’１）を取得するための装置（５００）であって、前記音源（ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１）からの信号（Ｓ０、Ｓ１）が結合され（５０１）、前記装置は、第１の入力信号（５０２、Ｍ０）またはその処理されたバージョンを第２の入力信号（Ｍ１）の遅延およびスケーリングされたバージョン（５０３１）と組み合わせて（５１０）、第１の出力信号（５０４、Ｓ’０）を取得するように構成され、
前記装置は、第２の入力信号（５０２、Ｍ１）、またはその処理されたバージョンを前記第１の入力信号（Ｍ０）の遅延およびスケーリングされたバージョン（５０３０）と組み合わせて（５１０）、第２の出力信号（５０４、Ｓ’１）を取得するように構成され、
前記装置は、ランダム方向最適化（５６０）を使用して、
前記第１の入力信号（５０２、Ｍ０）の前記遅延されスケーリングされたバージョン（５０３０）を取得するために使用される第１のスケーリング値（５６４、ａ０）と、
前記第１の入力信号（５０２、Ｍ０）の前記遅延されスケーリングされたバージョン（５０３０）を取得するために使用される第１の遅延値（５６４、ｄ０）と、
前記第２の入力信号（５０２、Ｍ１）の前記遅延されスケーリングされたバージョン（５０３１）を取得するために使用される第２のスケーリング値（５６４、ａ１）と、
前記第２の入力信号の前記遅延およびスケーリングされたバージョン（５０３１）を取得するために使用される第２の遅延値（５６４、ｄ１）と、
を決定するように構成され、
前記ランダム方向最適化（５６０）は、候補パラメータが候補のベクトル（５６４、ａ０、ａ１、ｄ０、ｄ１）を形成するようなものであり、前記候補のベクトルは、要素ごとに、前記候補のベクトルに一様分布乱数のベクトルを加算するか、または乗算することにより、前記候補のベクトルを摂動させることによって、前記候補のベクトルをランダムな方向に修正することによって反復的に洗練され、
前記ランダム方向最適化（５６０）は、前記第１の出力信号と前記第２の出力信号との間の類似性または非類似性を示すメトリック（ＤＫＬ、Ｄ、５３２）が測定され、前記第１の出力信号および前記第２の出力信号（Ｓ’０、Ｓ’１）が、最も低い類似性または最も高い非類似性を示すメトリックに関連付けられた前記候補パラメータに関連付けられた測定値であるように選択されるようなものであり、
前記メトリック（５３２）は、カルバックライブラー発散として処理される、
装置（５００）。
【請求項2】
前記第１の入力信号（５０２、Ｍ０）と結合されるべき前記第２の入力信号（５０２、Ｍ１）の前記遅延されスケーリングされたバージョン（５０３１）は、前記第２の入力信号（５０２、Ｍ１）に部分遅延を適用することによって得られる、請求項１に記載の装置。
【請求項3】
前記第２の入力信号（５０２、Ｍ１）と結合されるべき前記第１の入力信号（５０２、Ｍ０）の前記遅延されスケーリングされたバージョン（５０３０）は、前記第１の入力信号（５０２、Ｍ０）に部分遅延を適用することによって得られる、請求項１または２に記載の装置。
【請求項4】
正規化された大きさの値の第１のセットのそれぞれの要素（Ｐ０）と、正規化された大きさの値の第１のセット（５２２）のそれぞれの要素（Ｐ０）および
正規化された大きさの値の第２のセット（５２２）のそれぞれの要素（Ｐ１）
に基づいて形成された商（７０２’）の対数（７０６’）と、
の間の複数の積（７１２’、７１０’）を合計する（７１４、７１６）ように構成されており、
その結果、前記第１の正規化された大きさの値のセット（Ｐ０）によって記述される信号部分（ｓ’０）と前記第２の正規化された大きさの値のセット（Ｐ１）によって記述される信号部分（ｓ’１）との間の類似性または非類似性を記述する値（ＤＫＬ、Ｄ、５３２）を取得する（５３０）、請求項１から３のいずれか一項に記載の装置。
【請求項5】
前記第１および第２の入力信号（Ｍ０、Ｍ１）の少なくとも一方について、前記それぞれの要素（Ｐ０）は、前記候補パラメータから得られる前記候補第１または第２の出力信号（Ｓ’０、Ｓ’１）に基づく、請求項４に記載の装置。
【請求項6】
前記第１および第２の入力信号（Ｍ０、Ｍ１）のうちの少なくとも１つについて、前記それぞれの要素（Ｐ０）は、候補の第１または第２の出力信号（Ｓ’０、Ｓ’１）に関連付けられた値、および
前記第１の出力信号または前記第２の出力信号の前記以前に取得された値に関連付けられたノルム、との分数として得られる、
請求項５に記載の装置。
【請求項7】
前記第１および第２の入力信号（Ｍ０、Ｍ１）のうちの少なくとも一方について、前記それぞれの要素は、【請求項8】
前記第１のスケーリング値および前記第２のスケーリング値ならびに前記第１の遅延値および前記第２の遅延値は、目的関数を最小化することによって取得される、請求項１から７のいずれか一項に記載の装置。
【請求項9】
前記第１の入力信号（５０２、Ｍ０）、またはその処理されたバージョンを、時間領域および／またはｚ変換もしくは周波数領域において、前記第２の入力信号（５０２、Ｍ１）の前記遅延されスケーリングされたバージョン（５０３１）と結合するようにさらに構成され、前記第２の入力信号（５０２、Ｍ１）、またはその処理されたバージョンを、前記時間領域および／または前記ｚ変換もしくは周波数領域において前記第１の入力信号（５０２、Ｍ０）の前記遅延およびスケーリングされたバージョン（５０３０）と組み合わせるようにさらに構成されている、
請求項１から８のいずれか一項に記載の装置。
【請求項10】
前記ランダム方向最適化は、ｚ変換領域で実行される、請求項１から９のいずれか一項に記載の装置。
【請求項11】
前記ランダム方向最適化は、時間領域で実行される、請求項１から９のいずれか一項に記載の装置。
【請求項12】
前記ランダム方向最適化は、周波数領域で実行される、請求項１から９のいずれか一項に記載の装置。
【請求項13】
前記第２の入力信号（５０２、Ｍ１）に適用される前記遅延または部分遅延（ｄ０）は、前記第１のマイクロフォン（ｍｉｃ０）によって受信された前記第１の音源（ｓｏｕｒｃｅ０）からの前記信号、および
前記第２のマイクロフォン（ｍｉｃ１）によって受信された前記第１の音源（ｓｏｕｒｃｅ０）からの前記信号、
の間の関係、および／または差もしくは到着を示す、
請求項１から１２のいずれか一項に記載の装置。
【請求項14】
前記第１の入力信号（５０２、Ｍ０）に適用される前記遅延または部分遅延（ｄ１）は、前記第２のマイクロフォン（ｍｉｃ１）によって受信された前記第２の音源（ｓｏｕｒｃｅ１）からの前記信号、および
前記第１のマイクロフォン（ｍｉｃ０）によって受信される前記第２の音源（ｓｏｕｒｃｅ１）からの前記信号、
の間の関係、および／または差もしくは到着を示す、
請求項１から１３のいずれか一項に記載の装置。
【請求項15】
前記メトリックは、式中、Ｐ（ｎ）は前記第１の入力信号に関連付けられた要素であり、Ｑ（ｎ）は前記第２の入力信号に関連付けられた要素である、
請求項１から１４のいずれか一項に記載の装置。
【請求項16】
前記メトリックは、式中、Ｐ１（ｎ）は、前記第１の入力信号に関連付けられた要素であり、Ｐ２（ｎ）は、前記第２の入力信号に関連付けられた要素である、
請求項１から１５のいずれか一項に記載の装置。
【請求項17】
前記取得された第１および第２の出力信号（Ｓ’０、Ｓ’１）に関連する情報を周波数領域に変換するようにさらに構成される、請求項１から１６のいずれか一項に記載の装置。
【請求項18】
前記取得された第１および第２の出力信号（Ｓ’０、Ｓ’１）に関連する情報を符号化するようにさらに構成される、請求項１から１７のいずれか一項に記載の装置。
【請求項19】
前記取得された第１および第２の出力信号（Ｓ’０、Ｓ’１）に関連する情報を格納するようにさらに構成された、請求項１から１８のいずれか一項に記載の装置。
【請求項20】
前記取得された第１および第２の出力信号（Ｓ’０、Ｓ’１）に関連する情報を送信するようにさらに構成される、請求項１から１９のいずれか一項に記載の装置。
【請求項21】
前記第１の入力信号（５０２、Ｍ０）を取得するための第１のマイクロフォン（ｍｉｃ０）、および前記第２の入力信号（５０２、Ｍ１）を取得するための第２のマイクロフォン（ｍｉｃ１）のうちの少なくとも１つと、を含む、請求項１から２０のいずれか一項に記載の装置。
【請求項22】
前記取得された第１および第２の出力信号（Ｓ’０、Ｓ’１）に関連する情報を送信するための機器と、請求項１から２１のいずれか一項に記載の装置とを含む、テレビ会議のための装置。
【請求項23】
請求項１から２２のいずれか一項に記載の装置を含むバイノーラルシステム。
【請求項24】
複数の入力信号（５０２、Ｍ０、Ｍ１）に基づいて、異なる音源（ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１）に関連付けられた複数の出力信号（５０４、Ｓ’０、Ｓ’１）を取得するための方法であって、前記音源（ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１）からの信号が結合され、前記方法は、
第１の出力信号（５０４、Ｓ’０）を得るために、第１の入力信号（５０２、Ｍ０）またはその処理されたバージョンを第２の入力信号（５０２、Ｍ１）の遅延されスケーリングされたバージョン（５０３１）と結合するステップと、
第２の入力信号（５０２、Ｍ１）またはその処理されたバージョンを、前記第１の入力信号（５０２、Ｍ０）の遅延されスケーリングされたバージョン（５０３０）と結合して、第２の出力信号（５０４、Ｓ’１）を取得するステップと、
ランダム方向最適化（５６０）を使用して、
前記第１の入力信号（５０２、Ｍ０）の前記遅延されスケーリングされたバージョン（５０３０）を取得するために使用される第１のスケーリング値（５６４、ａ０）と、
前記第１の入力信号（５０２、Ｍ０）の前記遅延されスケーリングされたバージョン（５０３０）を取得するために使用される第１の遅延値（５６４、ｄ０）と、
前記第２の入力信号（５０２、Ｍ１）の前記遅延されスケーリングされたバージョン（５０３１）を取得するために使用される第２のスケーリング値（５６４、ａ１）と、
前記第２の入力信号の前記遅延およびスケーリングされたバージョン（５０３１）を取得するために使用される第２の遅延値（５６４、ｄ１）と、
のうちの少なくとも１つを決定するステップと、を含み、
前記ランダム方向最適化（５６０）は、候補パラメータが候補のベクトル（５６４、ａ０、ａ１、ｄ０、ｄ１）を形成するようなものであり、前記候補のベクトルは、要素ごとに、前記候補のベクトルに一様分布乱数のベクトルを加算するか、または乗算することにより、前記候補のベクトルを摂動させることによって、前記候補のベクトルをランダムな方向に修正することによって反復的に洗練され、
前記ランダム方向最適化（５６０）は、前記第１の出力信号と前記第２の出力信号との間の類似性または非類似性を示すメトリック（ＤＫＬ、Ｄ、５３２）が測定され、前記第１の出力信号および前記第２の出力信号（Ｓ’０、Ｓ’１）が、最も低い類似性または最も高い非類似性を示すメトリックに関連付けられた前記候補パラメータに関連付けられた測定値であるように選択されるようなものであり、
前記メトリック（５３２）は、カルバックライブラー発散として処理される、
方法。
【請求項25】
請求項１から２０のいずれか一項に記載の装置を使用するように構成された、請求項２４に記載の方法。
【請求項26】
前記部分遅延（ｄ１）は、前記第２のソース（ｓｏｕｒｃｅ１）から第１のマイクロフォン（ｍｉｃ０）に到達する前記信号（Ｍ０）の前記遅延と、前記第２のソース（ｓｏｕｒｃｅ１）から第２のマイクロフォン（ｍｉｃ１）に到達する前記信号（Ｍ１）の前記遅延（Ｈ１、１）との間の関係および／または差を示す、請求項２４に記載の方法。
【請求項27】
プロセッサによって実行されると、前記プロセッサに請求項２４から２６のいずれか一項に記載の方法を実行させる命令を格納する非一時的記憶ユニット。
【発明の詳細な説明】
【技術分野】
【0001】
本実施例は、異なるソース（例えば、オーディオソース）に関連する複数の出力信号を取得するための方法および装置に関する。本実施例はまた、信号分離のための方法および装置に関する。本実施例は、テレビ会議のための方法および装置にも言及する。分離のための技術（例えば、音源分離）も開示される。高速時間領域ステレオ音源分離（例えば、部分遅延フィルタを使用する）のための技法も論じる。
【背景技術】
【0002】
図１は、５０ａで示されるマイクロフォンの設定を示す。マイクロフォン５０ａは、ここでは互いに５ｃｍ（５０ｍｍ）の距離で示されている第１のマイクロフォンｍｉｃ０および第２のマイクロフォンｍｉｃ１を含むことができる。他の距離も可能である。２つの異なるソース（ｓｏｕｒｃｅ０およびｓｏｕｒｃｅ１）がここに示されている。角度β０およびβ１によって識別されるように、それらは異なる位置に（ここでは互いに対して異なる向きにも）配置される。
【0003】
ｓｏｕｒｃｅ０およびｓｏｕｒｃｅ１から複数の入力信号Ｍ０およびＭ１（マルチチャネルまたはステレオとしてまとめて示されるマイクロフォンからの入力信号５０２）が得られる。ｓｏｕｒｃｅ０はＳ０としてインデックス付けされたオーディオ音を生成するが、ｓｏｕｒｃｅ１はＳ１としてインデックス付けされたオーディオ音を生成する。
【0004】
マイクロフォン信号Ｍ０、Ｍ１は、例えば入力信号と考えてもよい。ステレオ信号５０２の代わりに、３つ以上のチャネルを有するマルチチャネルを考えることができる。
【0005】
いくつかの例（例えば、Ｍ０およびＭ１以外の他の追加の入力チャネル）では、２つのチャネルのみが主に説明されているが、入力信号は３つ以上であってもよい。それにもかかわらず、本例は、任意のマルチチャネル入力信号に対して有効である。例では、信号Ｍ０およびＭ１は、例えば格納されたオーディオファイルから取得され得るので、マイクロフォンによって直接取得される必要もない。
【0006】
図２ａおよび図４は、音源ｓｏｕｒｃｅ０およびｓｏｕｒｃｅ１とマイクロフォンｍｉｃ０およびｍｉｃ１との間の相互作用を示す。例えば、ｓｏｕｒｃｅ０は、主にマイクロフォンｍｉｃ０に到達し、かつマイクロフォンｍｉｃ１にも到達するオーディオ音Ｓ０を生成する。生成された音源Ｓ１が主にマイクロフォンｍｉｃ１に到達し、マイクロフォンｍｉｃ０にも到達するｓｏｕｒｃｅ１についても同様である。音Ｓ０がマイクロフォンｍｉｃ０に到達するのに必要な時間は、マイクロフォンｍｉｃ１に到達するのに必要な時間よりも短いことが、図２ａおよび図４から分かる。同様に、音Ｓ１は、ｍｉｃ０に到達するのに要する時間よりも、ｍｉｃ１に到達するのに要する時間が短い。マイクロフォンｍｉｃ１に到達するときの信号Ｓ０の強度は、一般に、ｍｉｃ０に到達するときに対して減衰され、逆もまた同様である。
【0007】
したがって、マルチチャネル入力信号５０２において、チャネル信号Ｍ０、Ｍ１は、ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１からの信号Ｓ０、Ｓ１が互いに組み合わせられたものとなる。したがって、分離技術が追求される。
【発明の概要】
【0008】
以下、角括弧および丸括弧内のテキストは非限定的な例を示す。
一態様によれば、複数の入力信号［例えば、マイクロフォン信号］に基づいて異なる音源［ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１］に関連する複数の出力信号［Ｓ’０、Ｓ’１］を取得するための装置［例えば、マルチチャネルまたはステレオオーディオソース分離装置］であって、音源［ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１］からの信号が結合され、
装置は、第１の入力信号［Ｍ０］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号［例えば、Ｍ１］の遅延およびスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］［例えば、第１の入力信号から第２の入力信号の遅延されスケーリングされたバージョンを減算することによって、例えば、Ｓ’０＝Ｍ０（ｚ）－ａ１・ｚ－ｄ１・Ｍ１（ｚ）］と組み合わせて、第１の出力信号［Ｓ’０］を取得するように構成され、
装置は、第２の入力信号［Ｍ１］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第１の入力信号［Ｍ０］［例えば、第２の入力信号から第１の入力信号の遅延されスケーリングされたバージョンを減算することによって、例えば、Ｓ’１＝Ｍ１（ｚ）－ａ０・ｚ－ｄ０・Ｍ０（ｚ）］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］と組み合わせて、第２の出力信号［Ｓ’１］を取得するように構成され、
装置は、ランダム方向最適化［例えば、他の請求項で定義されている動作のうちの１つを実行することによって、例えば、および／または、例えば式（６）および／または（８）のものであり得る目的関数を最小化する遅延値および減衰値を見つけることによって］を使用して、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］を取得するために使用される第１のスケーリング値［ａ０］、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］を取得するために使用される第１の遅延値［ｄ０］、
第２の入力信号［Ｍ１］の遅延されスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］を取得するために使用される第２のスケーリング値［ａ１］と、
第２の入力信号［ａ１・ｚ－ｄ１・Ｍ１］の遅延されスケーリングされたバージョンを取得するために使用される第２の遅延値［ｄ１］と、を決定するように構成される、装置を提供する。
一態様によれば、複数の入力信号［例えば、マイクロフォン信号］に基づいて異なる音源［ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１］に関連する複数の出力信号［Ｓ’０、Ｓ’１］を取得するための装置［例えば、マルチチャネルまたはステレオオーディオソース分離装置］であって、音源［ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１］からの信号が結合され、
装置は、第１の入力信号［Ｍ０］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号［例えば、Ｍ１］の遅延およびスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］［例えば、第１の入力信号から第２の入力信号の遅延されスケーリングされたバージョンを減算することによって、例えば、Ｓ’０＝Ｍ０（ｚ）－ａ１・ｚ－ｄ１・Ｍ１（ｚ）］と組み合わせて、第１の出力信号［Ｓ’０］を取得するように構成され、
装置は、第２の入力信号［Ｍ１］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第１の入力信号［Ｍ０］［例えば、第２の入力信号から第１の入力信号の遅延されスケーリングされたバージョンを減算することによって、例えば、Ｓ’１＝Ｍ１（ｚ）－ａ０・ｚ－ｄ０・Ｍ０（ｚ）］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］と組み合わせて、第２の出力信号［Ｓ’１］を取得するように構成され、
装置は、ランダム方向最適化［例えば、他の請求項で定義されている動作のうちの１つを実行することによって、例えば、および／または、例えば式（６）および／または（８）のものであり得る目的関数を最小化する遅延値および減衰値を見つけることによって］を使用して、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］を取得するために使用される第１のスケーリング値［ａ０］、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］を取得するために使用される第１の遅延値［ｄ０］、
第２の入力信号［Ｍ１］の遅延されスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］を取得するために使用される第２のスケーリング値［ａ１］と、
第２の入力信号［ａ１・ｚ－ｄ１・Ｍ１］の遅延されスケーリングされたバージョンを取得するために使用される第２の遅延値［ｄ１］と、を決定するように構成される、装置を提供する。
【0009】
第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］は、第１の入力信号［Ｍ０］と組み合わせることができ、第２の入力信号［Ｍ１］に部分遅延を適用することによって得られる。
【0010】
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］は、第２の入力信号［Ｍ１］と組み合わせることができ、第１の入力信号［Ｍ０］に部分遅延を適用することによって得られる。
【0011】
装置は、
正規化された大きさの値の第１のセット［例えば、式（７）のように］のそれぞれの要素［Ｐｉ（ｎ）、ここで、ｉは０または１である］と、
正規化された大きさの値の第１のセットのそれぞれの要素［Ｐ（ｎ）またはＰ１（ｎ）］および正規化された大きさの値の第２のセットのそれぞれの要素［Ｑ（ｎ）またはＱ１（ｎ）］に基づいて形成された商の対数と、
の間の複数の積［例えば、式（６）または（８）のように］を合計することができ、
その結果、第１の正規化された大きさの値のセット［Ｐ０（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ０’（ｎ）］と第２の正規化された大きさの値のセット［Ｐ１（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ１’（ｎ）］との間の類似性［または非類似性］を記述する値［式（６）または式（８）中のＤＫＬ（Ｐ｜｜Ｑ）またはＤ（Ｐ０、Ｐ１）］を取得する。
正規化された大きさの値の第１のセット［例えば、式（７）のように］のそれぞれの要素［Ｐｉ（ｎ）、ここで、ｉは０または１である］と、
正規化された大きさの値の第１のセットのそれぞれの要素［Ｐ（ｎ）またはＰ１（ｎ）］および正規化された大きさの値の第２のセットのそれぞれの要素［Ｑ（ｎ）またはＱ１（ｎ）］に基づいて形成された商の対数と、
の間の複数の積［例えば、式（６）または（８）のように］を合計することができ、
その結果、第１の正規化された大きさの値のセット［Ｐ０（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ０’（ｎ）］と第２の正規化された大きさの値のセット［Ｐ１（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ１’（ｎ）］との間の類似性［または非類似性］を記述する値［式（６）または式（８）中のＤＫＬ（Ｐ｜｜Ｑ）またはＤ（Ｐ０、Ｐ１）］を取得する。
【0012】
ランダム方向最適化は、候補パラメータが候補のベクトル［例えば、４つのエントリを有し、例えば、ａ０、ａ１、ｄ０、ｄ１に対応する］を形成するようなものであってもよく、ベクトルは、ランダム方向にベクトルを修正することによって反復的に洗練される［例えば、異なる反復において、請求項５０７ｆｆも参照されたい］。
【0013】
ランダム方向最適化は、候補パラメータが候補のベクトル［例えば、４つのエントリを有し、例えば、ａ０、ａ１、ｄ０、ｄ１に対応する］を形成するようなものであってもよく、ベクトルは、ランダム方向にベクトルを修正することによって反復的に洗練される［例えば、異なる反復では、以下も参照されたい］。
【0014】
ランダム方向最適化は、第１および第２の出力信号間の類似性（または非類似性）を示すメトリックおよび／または値が測定され、第１および第２の出力測定値が、値に関連する候補パラメータに関連する測定値、または最も低い類似性（または最も高い非類似性）を示すメトリックであるように選択されるようなものであってもよい。
【0015】
第１のスケーリング値および第２のスケーリング値ならびに第１の遅延値および第２の遅延値の少なくとも一方は、出力信号の相互情報または関連する尺度を最小化することによって得ることができる。
【0016】
一態様によれば、複数の入力信号［例えば、マイクロフォン信号］［Ｍ０、Ｍ１］に基づいて、異なる音源［ｓｏｕｒｃｅ１、ｓｏｕｒｃｅ２］に関連する複数の出力信号［Ｓ’０、Ｓ’１］を取得するための装置が提供され、音源［ｓｏｕｒｃｅ１、ｓｏｕｒｃｅ２］からの信号は結合され、
装置が、第１の入力信号［Ｍ０］またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］と組み合わせて第１の出力信号［Ｓ’０］を得るように構成され、装置が、部分遅延［ｄ１］を第２の入力信号［Ｍ１］に適用するように構成され［部分遅延（ｄ１）は、第２のソース（ｓｏｕｒｃｅ１）から第１のマイクロフォン（ｍｉｃ０）に到達する信号（Ｈ１、０・Ｓ１）の遅延（例えば、Ｈ１、０で表される遅延）と、第２のソース（ｓｏｕｒｃｅ１）から第２のマイクロフォン（ｍｉｃ１）に到達する信号（Ｈ１、１・Ｓ１）の遅延（例えば、Ｈ１、１で表される遅延）との間の関係および／または差を示すことができる］［例では、部分遅延ｄ１は、分数Ｈ１、０（ｚ）／Ｈ１、１（ｚ）の結果のｚ項の指数を近似するものとして理解することができる］、
装置は、第２の入力信号［Ｍ１］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］と組み合わせて第２の出力信号［Ｓ’１］を取得するように構成され、装置は、第１の入力信号［Ｍ０］に部分遅延［ｄ０］を適用するように構成され［部分遅延（ｄ０）は、第１の音源（ｓｏｕｒｃｅ０）から第１のマイクロフォン（ｍｉｃ０）に到達する信号（Ｈ０、０・Ｓ０）の遅延（例えば、Ｈ０、０で表される遅延）と、第１の音源（ｓｏｕｒｃｅ０）から第２のマイクロフォン（ｍｉｃ１）に到達する信号（Ｈ０、１・Ｓ０）の遅延（例えば、Ｈ０、１で表される遅延）との間の関係および／または差を示すことができる］［例では、部分遅延ｄ０は、分数Ｈ０、１（ｚ）／Ｈ０、０（ｚ）の結果のｚ項の指数を近似するものとして理解することができる］、
装置は、最適化を使用して、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］を取得するために使用される第１のスケーリング値［ａ０］、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］を取得するために使用される第１の部分遅延値［ｄ０］、
第２の入力信号［Ｍ１］の遅延されスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］を取得するために使用される第２のスケーリング値［ａ１］と、
第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］を取得するために使用される第２の部分遅延値［ｄ１］と、を決定するように構成される。
装置が、第１の入力信号［Ｍ０］またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］と組み合わせて第１の出力信号［Ｓ’０］を得るように構成され、装置が、部分遅延［ｄ１］を第２の入力信号［Ｍ１］に適用するように構成され［部分遅延（ｄ１）は、第２のソース（ｓｏｕｒｃｅ１）から第１のマイクロフォン（ｍｉｃ０）に到達する信号（Ｈ１、０・Ｓ１）の遅延（例えば、Ｈ１、０で表される遅延）と、第２のソース（ｓｏｕｒｃｅ１）から第２のマイクロフォン（ｍｉｃ１）に到達する信号（Ｈ１、１・Ｓ１）の遅延（例えば、Ｈ１、１で表される遅延）との間の関係および／または差を示すことができる］［例では、部分遅延ｄ１は、分数Ｈ１、０（ｚ）／Ｈ１、１（ｚ）の結果のｚ項の指数を近似するものとして理解することができる］、
装置は、第２の入力信号［Ｍ１］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］と組み合わせて第２の出力信号［Ｓ’１］を取得するように構成され、装置は、第１の入力信号［Ｍ０］に部分遅延［ｄ０］を適用するように構成され［部分遅延（ｄ０）は、第１の音源（ｓｏｕｒｃｅ０）から第１のマイクロフォン（ｍｉｃ０）に到達する信号（Ｈ０、０・Ｓ０）の遅延（例えば、Ｈ０、０で表される遅延）と、第１の音源（ｓｏｕｒｃｅ０）から第２のマイクロフォン（ｍｉｃ１）に到達する信号（Ｈ０、１・Ｓ０）の遅延（例えば、Ｈ０、１で表される遅延）との間の関係および／または差を示すことができる］［例では、部分遅延ｄ０は、分数Ｈ０、１（ｚ）／Ｈ０、０（ｚ）の結果のｚ項の指数を近似するものとして理解することができる］、
装置は、最適化を使用して、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］を取得するために使用される第１のスケーリング値［ａ０］、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］を取得するために使用される第１の部分遅延値［ｄ０］、
第２の入力信号［Ｍ１］の遅延されスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］を取得するために使用される第２のスケーリング値［ａ１］と、
第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］を取得するために使用される第２の部分遅延値［ｄ１］と、を決定するように構成される。
【0017】
最適化はランダム方向最適化であってもよい。
装置は、
正規化された大きさの値の第１のセット［例えば、式（７）のように］のそれぞれの要素［Ｐｉ（ｎ）、ここで、ｉは０または１である］と、
正規化された大きさの値の第１のセットのそれぞれの要素［Ｐ（ｎ）またはＰ１（ｎ）］および正規化された大きさの値の第２のセットのそれぞれの要素［Ｑ（ｎ）またはＱ１（ｎ）］に基づいて形成された商の対数と、
の間の複数の積［例えば、式（６）または（８）のように］を合計することができ、
その結果、第１の正規化された大きさの値のセット［Ｐ０（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ０’（ｎ）］と第２の正規化された大きさの値のセット［Ｐ１（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ１’（ｎ）］との間の類似性［または非類似性］を記述する値［式（６）または式（８）中のＤＫＬ（Ｐ｜｜Ｑ）またはＤ（Ｐ０、Ｐ１）］を取得する。
装置は、
正規化された大きさの値の第１のセット［例えば、式（７）のように］のそれぞれの要素［Ｐｉ（ｎ）、ここで、ｉは０または１である］と、
正規化された大きさの値の第１のセットのそれぞれの要素［Ｐ（ｎ）またはＰ１（ｎ）］および正規化された大きさの値の第２のセットのそれぞれの要素［Ｑ（ｎ）またはＱ１（ｎ）］に基づいて形成された商の対数と、
の間の複数の積［例えば、式（６）または（８）のように］を合計することができ、
その結果、第１の正規化された大きさの値のセット［Ｐ０（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ０’（ｎ）］と第２の正規化された大きさの値のセット［Ｐ１（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ１’（ｎ）］との間の類似性［または非類似性］を記述する値［式（６）または式（８）中のＤＫＬ（Ｐ｜｜Ｑ）またはＤ（Ｐ０、Ｐ１）］を取得する。
【0018】
一態様によれば、複数の入力信号［例えば、マイクロフォン信号］［Ｍ０、Ｍ１］に基づいて、異なる音源［ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１］に関連する複数の出力信号［Ｓ’０、Ｓ’１］を取得するための装置［例えば、マルチチャネルまたはステレオオーディオソース分離装置］が提供され、音源からの信号が結合され［例えば、第１の入力信号から第２の入力信号の遅延およびスケーリングされたバージョンを減算することによって、および／または第２の入力信号から第１の入力信号の遅延およびスケーリングされたバージョンを減算することによって］、
装置は、第１の入力信号［Ｍ０］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号［Ｍ１］［例えば、第１の入力信号から第２の入力信号の遅延されスケーリングされたバージョンを減算することによって］の遅延およびスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］と組み合わせて、第１の出力信号［Ｓ’０］を取得するように構成され、
装置は、第２の入力信号［Ｍ１］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第１の入力信号［Ｍ０］［例えば、第２の入力信号から第１の入力信号の遅延されスケーリングされたバージョンを減算することによって］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］と組み合わせて、第２の出力信号［Ｓ’１］を取得するように構成され、
装置は、
正規化された大きさの値の第１のセット［例えば、式（７）のように］のそれぞれの要素［Ｐｉ（ｎ）、ここで、ｉは０または１である］と、
正規化された大きさの値の第１のセットのそれぞれの要素［Ｐ（ｎ）またはＰ１（ｎ）］および正規化された大きさの値の第２のセットのそれぞれの要素［Ｑ（ｎ）またはＱ１（ｎ）］基づいて形成される商の対数と、
の間の複数の積［例えば、式（６）または（８）のように］を合計するように構成され、
その結果、第１の正規化された大きさの値のセット［Ｐ０（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ０’（ｎ）］と第２の正規化された大きさの値のセット［Ｐ１（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ１’（ｎ）］との間の類似性［または非類似性］を記述する値［式（６）または式（８）中のＤＫＬ（Ｐ｜｜Ｑ）またはＤ（Ｐ０、Ｐ１）］を取得する。
装置は、第１の入力信号［Ｍ０］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号［Ｍ１］［例えば、第１の入力信号から第２の入力信号の遅延されスケーリングされたバージョンを減算することによって］の遅延およびスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］と組み合わせて、第１の出力信号［Ｓ’０］を取得するように構成され、
装置は、第２の入力信号［Ｍ１］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第１の入力信号［Ｍ０］［例えば、第２の入力信号から第１の入力信号の遅延されスケーリングされたバージョンを減算することによって］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］と組み合わせて、第２の出力信号［Ｓ’１］を取得するように構成され、
装置は、
正規化された大きさの値の第１のセット［例えば、式（７）のように］のそれぞれの要素［Ｐｉ（ｎ）、ここで、ｉは０または１である］と、
正規化された大きさの値の第１のセットのそれぞれの要素［Ｐ（ｎ）またはＰ１（ｎ）］および正規化された大きさの値の第２のセットのそれぞれの要素［Ｑ（ｎ）またはＱ１（ｎ）］基づいて形成される商の対数と、
の間の複数の積［例えば、式（６）または（８）のように］を合計するように構成され、
その結果、第１の正規化された大きさの値のセット［Ｐ０（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ０’（ｎ）］と第２の正規化された大きさの値のセット［Ｐ１（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ１’（ｎ）］との間の類似性［または非類似性］を記述する値［式（６）または式（８）中のＤＫＬ（Ｐ｜｜Ｑ）またはＤ（Ｐ０、Ｐ１）］を取得する。
【0019】
本装置は、
第１の入力信号［Ｍ０］の遅延されスケーリングされたバージョンを取得するために使用される第１のスケーリング値［ａ１］と、
第１の入力信号の遅延およびスケーリングされたバージョンを取得するために使用される第１の遅延値［ｄ０］と、
第２の入力信号の遅延されスケーリングされたバージョンを取得するために使用される第２のスケーリング値［ａ１］と、
最適化［例えば、「修正されたＫＬＤ計算」に基づいて、］を使用して、第２の入力信号の遅延およびスケーリングされたバージョンを取得するために使用される第２の遅延値［ｄ１］と、を決定し得る。
第１の入力信号［Ｍ０］の遅延されスケーリングされたバージョンを取得するために使用される第１のスケーリング値［ａ１］と、
第１の入力信号の遅延およびスケーリングされたバージョンを取得するために使用される第１の遅延値［ｄ０］と、
第２の入力信号の遅延されスケーリングされたバージョンを取得するために使用される第２のスケーリング値［ａ１］と、
最適化［例えば、「修正されたＫＬＤ計算」に基づいて、］を使用して、第２の入力信号の遅延およびスケーリングされたバージョンを取得するために使用される第２の遅延値［ｄ１］と、を決定し得る。
【0020】
第１の遅延値［ｄ０］は、部分遅延であってもよい。第２の遅延値［ｄ１］は、部分遅延である。
最適化はランダム方向最適化であってもよい。
最適化はランダム方向最適化であってもよい。
【0021】
装置は、時間領域におけるプロセスの少なくともいくつかを実行することができる。装置は、ｚ変換または周波数領域における処理のうちの少なくともいくつかを実行し得る。
【0022】
本装置は、
時間領域および／またはｚ変換もしくは周波数領域において、第１の入力信号［Ｍ０］またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］と結合し、
第２の入力信号［Ｍ１］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、時間領域および／またはｚ変換もしくは周波数領域において第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］と結合するように、構成され得る。
時間領域および／またはｚ変換もしくは周波数領域において、第１の入力信号［Ｍ０］またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］と結合し、
第２の入力信号［Ｍ１］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、時間領域および／またはｚ変換もしくは周波数領域において第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］と結合するように、構成され得る。
【0023】
最適化は、時間領域および／またはｚ変換もしくは周波数領域で実行することができる。
第２の入力信号［Ｍ１］に印加される部分遅延（ｄ０）は、
第１のマイクロフォン［ｍｉｃ０］によって受信された第１のソース［ｓｏｕｒｃｅ０］からの信号［Ｓ０・Ｈ０、０（ｚ）］、および
第２のマイクロフォン［ｍｉｃ１］によって受信された第１のソース［ｓｏｕｒｃｅ０］からの信号［Ｓ０・Ｈ０、１（ｚ）］の間の関係、および／または差もしくは到着を示し得る。
第２の入力信号［Ｍ１］に印加される部分遅延（ｄ０）は、
第１のマイクロフォン［ｍｉｃ０］によって受信された第１のソース［ｓｏｕｒｃｅ０］からの信号［Ｓ０・Ｈ０、０（ｚ）］、および
第２のマイクロフォン［ｍｉｃ１］によって受信された第１のソース［ｓｏｕｒｃｅ０］からの信号［Ｓ０・Ｈ０、１（ｚ）］の間の関係、および／または差もしくは到着を示し得る。
【0024】
第１の入力信号［Ｍ０］に適用される部分遅延（ｄ１）は、
第２のマイクロフォン［ｍｉｃ１］によって受信された第２のソース［ｓｏｕｒｃｅ１］からの信号［Ｓ１・Ｈ１、１（ｚ）］、および
第１のマイクロフォン［ｍｉｃ０］によって受信された第２のソース［ｓｏｕｒｃｅ１］からの信号［Ｓ１・Ｈ１、０（ｚ）］の間の関係、および／または差もしくは到着を示し得る。
第２のマイクロフォン［ｍｉｃ１］によって受信された第２のソース［ｓｏｕｒｃｅ１］からの信号［Ｓ１・Ｈ１、１（ｚ）］、および
第１のマイクロフォン［ｍｉｃ０］によって受信された第２のソース［ｓｏｕｒｃｅ１］からの信号［Ｓ１・Ｈ１、０（ｚ）］の間の関係、および／または差もしくは到着を示し得る。
【0025】
装置は、最適化［例えば、異なる候補パラメータ［ａ０、ａ１、ｄ０、ｄ１］が反復的に選択されて処理されるような最適化］を実行することができ、候補パラメータの各々についてメトリック［例えば、式（６）または（８）のように］［例えば、「修正されたＫＬＤ計算」に基づいて］［例えば、目的関数］が測定され、メトリックは類似度メトリック（または非類似度メトリック）であり、最も低い類似度（または最大の非類似度）を示すメトリックに関連付けられた候補パラメータ［ａ０、ａ１、ｄ０、ｄ１］を使用して取得された第１の入力信号［Ｍ０］および第２の入力信号［Ｍ０］を選択する。［類似性は、第１の入力信号と第２の入力信号との間の統計的依存性（またはそれに関連する値、例えば式（７）の値）として推測することができ、および／または非類似性は、第１の入力信号と第２の入力信号との間の統計的独立性（または、式（７）の値などの、それらに関連付けられた値）として推測することができる］
【0026】
反復ごとに、候補パラメータは、第２の入力信号［Ｍ１］に適用される候補遅延（ｄ０）［例えば、候補部分遅延］を含むことができ、候補遅延（ｄ０）は、以下の間の候補関係および／または候補差もしくは到着に関連付けることができる：
第１のマイクロフォン［ｍｉｃ０］によって受信された第１のソース［ｓｏｕｒｃｅ０］からの信号［Ｓ０・Ｈ０、０（ｚ）］、および
第２のマイクロフォン［ｍｉｃ１］によって受信された第１のソース［ｓｏｕｒｃｅ０］からの信号［Ｓ０・Ｈ０、１（ｚ）］。
第１のマイクロフォン［ｍｉｃ０］によって受信された第１のソース［ｓｏｕｒｃｅ０］からの信号［Ｓ０・Ｈ０、０（ｚ）］、および
第２のマイクロフォン［ｍｉｃ１］によって受信された第１のソース［ｓｏｕｒｃｅ０］からの信号［Ｓ０・Ｈ０、１（ｚ）］。
【0027】
反復ごとに、候補パラメータは、第１の入力信号［Ｍ０］に適用される候補遅延（ｄ１）［例えば、候補部分遅延］を含み、候補遅延（ｄ１）は、以下の間の候補関係および／または候補差もしくは到着に関連付けることができる：
第２のマイクロフォン［ｍｉｃ１］によって受信された第２のソース［ｓｏｕｒｃｅ１］からの信号［Ｓ１・Ｈ１、１（ｚ）］、および
第１のマイクロフォン［ｍｉｃ０］によって受信された第２のソース［ｓｏｕｒｃｅ１］からの信号［Ｓ１・Ｈ１、０（ｚ）］。
第２のマイクロフォン［ｍｉｃ１］によって受信された第２のソース［ｓｏｕｒｃｅ１］からの信号［Ｓ１・Ｈ１、１（ｚ）］、および
第１のマイクロフォン［ｍｉｃ０］によって受信された第２のソース［ｓｏｕｒｃｅ１］からの信号［Ｓ１・Ｈ１、０（ｚ）］。
【0028】
反復ごとに、候補パラメータは、第２の入力信号［Ｍ１］に適用される候補相対減衰値［ａ０］を含むことができ、候補相対減衰値［ａ０］は、以下の間の候補関係および／または候補差を示す：
第１のマイクロフォン［ｍｉｃ０］によって第１のソース［ｓｏｕｒｃｅ０］から受信された信号［Ｓ０・Ｈ０、０（ｚ）］の振幅、および
第１の音源［ｓｏｕｒｃｅ０］から第２のマイクロフォン［ｍｉｃ１］によって受信された信号［Ｓ０・Ｈ０、１（ｚ）］の振幅。
第１のマイクロフォン［ｍｉｃ０］によって第１のソース［ｓｏｕｒｃｅ０］から受信された信号［Ｓ０・Ｈ０、０（ｚ）］の振幅、および
第１の音源［ｓｏｕｒｃｅ０］から第２のマイクロフォン［ｍｉｃ１］によって受信された信号［Ｓ０・Ｈ０、１（ｚ）］の振幅。
【0029】
反復ごとに、候補パラメータは、第１の入力信号［Ｍ０］に適用される候補相対減衰値［ａ１］を含むことができ、候補相対減衰値［ａ１］は、以下の間の候補関係および／または候補差を示す：
第２のマイクロフォン［ｍｉｃ１］によって第２のソース［ｓｏｕｒｃｅ１］から受信された信号［Ｓ１・Ｈ１、１（ｚ）］の振幅、および
第２の音源［ｓｏｕｒｃｅ１］から第１のマイクロフォン［ｍｉｃ０］によって受信された信号［Ｓ１・Ｈ１、０（ｚ）］の振幅。
第２のマイクロフォン［ｍｉｃ１］によって第２のソース［ｓｏｕｒｃｅ１］から受信された信号［Ｓ１・Ｈ１、１（ｚ）］の振幅、および
第２の音源［ｓｏｕｒｃｅ１］から第１のマイクロフォン［ｍｉｃ０］によって受信された信号［Ｓ１・Ｈ１、０（ｚ）］の振幅。
【0030】
装置は、先行する反復の少なくとも１つの候補パラメータから後続の反復の少なくとも１つの候補パラメータまでの少なくとも１つのステップをランダムに選択することによって、異なる反復の少なくとも１つの候補パラメータを変更することができる［例えば、ランダム方向最適化］。
【0031】
装置は、少なくとも１つのステップ［例えば、アルゴリズム１の線１０におけるｃｏｅｆｆｖａｒｉａｔｉｏｎ］をランダムに選択することができる［例えば、ランダム方向最適化］。
少なくとも１つのステップは、予め選択された重み［例えば、アルゴリズム１のライン５におけるｃｏｅｆｆｗｅｉｇｈｔ］によって重み付けされてもよい。
少なくとも１つのステップは、予め選択された重み［例えば、アルゴリズム１のライン５におけるｃｏｅｆｆｗｅｉｇｈｔ］によって制限される。
少なくとも１つのステップは、予め選択された重み［例えば、アルゴリズム１のライン５におけるｃｏｅｆｆｗｅｉｇｈｔ］によって重み付けされてもよい。
少なくとも１つのステップは、予め選択された重み［例えば、アルゴリズム１のライン５におけるｃｏｅｆｆｗｅｉｇｈｔ］によって制限される。
【0032】
装置は、候補パラメータ［ａ０、ａ１、ｄ０、ｄ１］が候補のベクトルを形成するようになっていてもよく、反復ごとに、候補のベクトルは、候補のベクトルの要素によって要素ごとに乗算される（または加算される）一様分布乱数［例えば、それぞれ－０．５から＋０．５の間］のベクトルを適用することによって摂動される［例えば、ランダムに］。［勾配処理を回避することができる］［例えば、ランダム方向最適化］。
反復ごとに、候補のベクトルは、ステップ［例えば、それぞれ－０．５から＋０．５の間である］に対して修正される（例えば、摂動される）。
反復ごとに、候補のベクトルは、ステップ［例えば、それぞれ－０．５から＋０．５の間である］に対して修正される（例えば、摂動される）。
【0033】
装置は、反復の数値が所定の最大数に制限されるようになっていてもよく、所定の最大数は１０から３０の間である（例えば、２０、サブセクション２．３のように、最後の３行）。
メトリックは、カルバックライブラー発散として処理され得る。
メトリックは、以下に基づいてもよい：
メトリックは、カルバックライブラー発散として処理され得る。
メトリックは、以下に基づいてもよい：
【0034】
第１の信号および第２の信号［Ｍ０、Ｍ１］の各々に対して、正規化された大きさの値の第１のセット［例えば、式（７）のように］のそれぞれの要素［Ｐｉ（ｎ）、ここで、ｉは０または１である］。［錯覚は、時間領域サンプルの正規化された大きさの値を確率分布として考慮し、その後、メトリックを測定すること（例えば、カルバックライブラー発散として、例えば、式（６）または（８））であってもよい］
【0035】
第１および第２の入力信号［Ｍ０、Ｍ１］の少なくとも一方について、それぞれの要素［Ｐｉ（ｎ）］は、候補パラメータ［例えば、式（７）のように］から得られる候補の第１または第２の出力信号［Ｓ’０、Ｓ’１］に基づくことができる。
【0036】
第１および第２の入力信号［Ｍ０、Ｍ１］の少なくとも一方について、それぞれの要素［Ｐｉ（ｎ）］は、候補パラメータ［例えば、式（７）のように］から得られる候補の第１または第２の出力信号［Ｓ’０、Ｓ’１］に基づくことができる。
【0037】
第１および第２の入力信号［Ｍ０、Ｍ１］の少なくとも一方について、それぞれの要素［Ｐｉ（ｎ）］は、
候補の第１または第２の出力信号［Ｓ’０（ｎ）、Ｓ’１（ｎ）］［例えば、絶対値で］に関連付けられた値［例えば、絶対値］、および
第１または第２の出力信号［Ｓ’０（．．．ｎ－１）、Ｓ’１（．．．ｎ－１）］の以前に取得された値に関連付けられたノルム［例えば、１－ノルム］の間の分数として取得され得る。
候補の第１または第２の出力信号［Ｓ’０（ｎ）、Ｓ’１（ｎ）］［例えば、絶対値で］に関連付けられた値［例えば、絶対値］、および
第１または第２の出力信号［Ｓ’０（．．．ｎ－１）、Ｓ’１（．．．ｎ－１）］の以前に取得された値に関連付けられたノルム［例えば、１－ノルム］の間の分数として取得され得る。
【0038】
第１および第２の入力信号［Ｍ０、Ｍ１］の少なくとも一方について、それぞれの要素［Ｐｉ（ｎ）］は、
によって取得され得る。
（ここで、「ｓ’ｉ（ｎ）」および「ｓ’ｉ」は、ｚ変換されないため、大文字なしで記述される）。
（ここで、「ｓ’ｉ（ｎ）」および「ｓ’ｉ」は、ｚ変換されないため、大文字なしで記述される）。
【0039】
メトリックは、
正規化された大きさの値の第１のセットのそれぞれの要素［Ｐ（ｎ）またはＰ１（ｎ）］、および
正規化された大きさの値の第２のセットのそれぞれの要素［Ｑ（ｎ）またはＱ１（ｎ）］に基づいて形成される商の対数を含むことができ、
その結果、
第１の正規化された大きさの値のセット［Ｐ０（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ０’（ｎ）］と第２の正規化された大きさの値のセット［Ｐ１（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ１’（ｎ）］との間の類似性［または非類似性］を記述する値［式（６）または式（８）中のＤＫＬ（Ｐ｜｜Ｑ）またはＤ（Ｐ０、Ｐ１）］を取得する。
正規化された大きさの値の第１のセットのそれぞれの要素［Ｐ（ｎ）またはＰ１（ｎ）］、および
正規化された大きさの値の第２のセットのそれぞれの要素［Ｑ（ｎ）またはＱ１（ｎ）］に基づいて形成される商の対数を含むことができ、
その結果、
第１の正規化された大きさの値のセット［Ｐ０（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ０’（ｎ）］と第２の正規化された大きさの値のセット［Ｐ１（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ１’（ｎ）］との間の類似性［または非類似性］を記述する値［式（６）または式（８）中のＤＫＬ（Ｐ｜｜Ｑ）またはＤ（Ｐ０、Ｐ１）］を取得する。
【0040】
メトリックは、以下の形式で取得することができ、
Ｐ（ｎ）は、第１の入力信号に関連付けられた要素であり［例えば、正規化された大きさの値の第１のセットのＰ１（ｎ）または要素］、Ｑ（ｎ）は、第２の入力信号に関連付けられた要素である［例えば、正規化された大きさの値の第２のセットのＰ２（ｎ）または要素］。
【0041】
メトリックは、以下の形式で取得することができる。
【0042】
Ｐ１（ｎ）は、第１の入力信号に関連付けられた要素であり［例えば、正規化された大きさの値の第１のセットのＰ１（ｎ）または要素］、Ｐ２（ｎ）は、第２の入力信号に関連付けられた要素である［例えば、正規化された大きさの値の第２のセットの要素］。
【0043】
装置は、スライディングウィンドウを使用して最適化を実行することができる［例えば、最適化は、最後の０．１ｓ．．．１．０ｓのＴＤサンプルを考慮に入れることができる］。
装置は、取得された第１および第２の出力信号（Ｓ’０、Ｓ’１）に関連する情報を周波数領域に変換することができる。
装置は、取得された第１および第２の出力信号（Ｓ’０、Ｓ’１）に関連する情報を周波数領域に変換することができる。
【0044】
装置は、取得された第１および第２の出力信号に関連する情報を符号化することができる（Ｓ’０、Ｓ’１）。
装置は、取得された第１および第２の出力信号（Ｓ’０、Ｓ’１）に関連する情報を格納することができる。
装置は、取得された第１および第２の出力信号（Ｓ’０、Ｓ’１）に関連する情報を送信することができる。
装置は、取得された第１および第２の出力信号（Ｓ’０、Ｓ’１）に関連する情報を格納することができる。
装置は、取得された第１および第２の出力信号（Ｓ’０、Ｓ’１）に関連する情報を送信することができる。
【0045】
前述の請求項のいずれか一項に記載の装置は、第１の入力信号［Ｍ０］を取得するための第１のマイクロフォン（ｍｉｃ０）、および第２の入力信号［Ｍ１］を取得するための第２のマイクロフォン（ｍｉｃ１）のうちの少なくとも１つを含むことができる［例えば、一定の距離で］。
【0046】
上記のような装置と、取得された第１および第２の出力信号（Ｓ’０、Ｓ’１）に関連する情報を送信するための機器とを含む、テレビ会議のための装置を提供することができる。
上記のような装置を含むバイノーラルシステムが開示される。
上記のような装置を含むバイノーラルシステムが開示される。
【0047】
物理信号に関連する物理パラメータを反復的に最適化するためのオプティマイザが開示され、オプティマイザは、各反復において、現在の候補ベクトルが現在の最良の候補ベクトルよりも良好に機能するかどうかを評価するための現在の候補ベクトルをランダムに生成するように構成され、
オプティマイザは、現在の候補ベクトルに関連して、物理信号間の類似度または非類似度に関連する目的関数を評価するように構成され、
オプティマイザは、現在の候補ベクトルが目的関数を現在の最良の候補ベクトルに対して減少させる場合に、現在の候補ベクトルを新しい現在の最良の候補ベクトルとしてレンダリングするように構成される。
オプティマイザは、現在の候補ベクトルに関連して、物理信号間の類似度または非類似度に関連する目的関数を評価するように構成され、
オプティマイザは、現在の候補ベクトルが目的関数を現在の最良の候補ベクトルに対して減少させる場合に、現在の候補ベクトルを新しい現在の最良の候補ベクトルとしてレンダリングするように構成される。
【0048】
物理信号は、異なるマイクロフォンによって取得されたオーディオ信号を含むことができる。
パラメータは、特定のマイクロフォンで取得されたオーディオ信号の遅延および／またはスケーリング係数を含むことができる。
パラメータは、特定のマイクロフォンで取得されたオーディオ信号の遅延および／またはスケーリング係数を含むことができる。
【0049】
目的関数は、カルバックライブラー発散である。カルバックライブラー発散は、正規化された大きさの値の第１および第２のセットに適用されてもよい。
【0050】
目的関数は、
正規化された大きさの値の第１のセット［例えば、式（７）のように］のそれぞれの要素［Ｐｉ（ｎ）、ここで、ｉは０または１である］と、
正規化された大きさの値の第１のセットのそれぞれの要素［Ｐ（ｎ）またはＰ１（ｎ）］および正規化された大きさの値の第２のセットのそれぞれの要素［Ｑ（ｎ）またはＱ１（ｎ）］に基づいて形成される商の対数と、
の間の複数の積［例えば、式（６）または（８）のように］を合計することによって得ることができ、
その結果、第１の正規化された大きさの値のセット［Ｐ０（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ０’（ｎ）］と第２の正規化された大きさの値のセット［Ｐ１（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ１’（ｎ）］との間の類似性［または非類似性］を記述する値［式（６）または式（８）中のＤＫＬ（Ｐ｜｜Ｑ）またはＤ（Ｐ０、Ｐ１）］を取得する。
正規化された大きさの値の第１のセット［例えば、式（７）のように］のそれぞれの要素［Ｐｉ（ｎ）、ここで、ｉは０または１である］と、
正規化された大きさの値の第１のセットのそれぞれの要素［Ｐ（ｎ）またはＰ１（ｎ）］および正規化された大きさの値の第２のセットのそれぞれの要素［Ｑ（ｎ）またはＱ１（ｎ）］に基づいて形成される商の対数と、
の間の複数の積［例えば、式（６）または（８）のように］を合計することによって得ることができ、
その結果、第１の正規化された大きさの値のセット［Ｐ０（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ０’（ｎ）］と第２の正規化された大きさの値のセット［Ｐ１（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ１’（ｎ）］との間の類似性［または非類似性］を記述する値［式（６）または式（８）中のＤＫＬ（Ｐ｜｜Ｑ）またはＤ（Ｐ０、Ｐ１）］を取得する。
【0051】
目的関数は、以下のように取得することができ、
または
Ｐ１（ｎ）またはＰ（ｎ）は、第１の入力信号に関連付けられた要素であり［例えば、正規化された大きさの値の第１のセットのＰ１（ｎ）または要素］、Ｐ２（ｎ）またはＱ（ｎ）は、第２の入力信号に関連付けられた要素である。
【0052】
一例によれば、複数の入力信号［例えば、マイクロフォン信号］［Ｍ０、Ｍ１］に基づいて異なる音源［ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１］に関連する複数の出力信号［Ｓ’０、Ｓ’１］を取得するための方法が提供され、音源［ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１］からの信号は結合され、
方法は、
第１の出力信号［Ｓ’０］を得るために、第１の入力信号［Ｍ０］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号［Ｍ１］［例えば、第１の入力信号から第２の入力信号の遅延されスケーリングされたバージョンを減算することによって、例えば、Ｓ’０＝Ｍ０（ｚ）－ａ１・ｚ－ｄ１・Ｍ１（ｚ）］の遅延およびスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］と結合するステップと、
第２の出力信号［Ｓ’１］を得るために、第２の入力信号［Ｍ１］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第１の入力信号［Ｍ０］［例えば、第２の入力信号から第１の入力信号の遅延されスケーリングされたバージョンを減算することによって、例えば、Ｓ’１＝Ｍ１（ｚ）－ａ０・ｚ－ｄ０・Ｍ０（ｚ）］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］と結合するステップと、
ランダム方向最適化［例えば、他の請求項で定義されている動作のうちの１つを実行することによって、例えば、および／または、例えば式（６）および／または（８）のものであり得る目的関数を最小化する遅延値および減衰値を見つけることによって］を使用して、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０＊ｚ－ｄ０＊Ｍ０］を取得するために使用される第１のスケーリング値［ａ０］、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０＊ｚ－ｄ０＊Ｍ０］を取得するために使用される第１の遅延値［ｄ０］、
第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１＊ｚ－ｄ１＊Ｍ１］を取得するために使用される第２のスケーリング値［ａ１］、および
第２の入力信号［ａ１＊ｚ－ｄ１＊Ｍ１］の遅延およびスケーリングされたバージョンを取得するために使用される第２の遅延値［ｄ１］を決定するステップと、を含む。
方法は、
第１の出力信号［Ｓ’０］を得るために、第１の入力信号［Ｍ０］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号［Ｍ１］［例えば、第１の入力信号から第２の入力信号の遅延されスケーリングされたバージョンを減算することによって、例えば、Ｓ’０＝Ｍ０（ｚ）－ａ１・ｚ－ｄ１・Ｍ１（ｚ）］の遅延およびスケーリングされたバージョン［ａ１・ｚ－ｄ１・Ｍ１］と結合するステップと、
第２の出力信号［Ｓ’１］を得るために、第２の入力信号［Ｍ１］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第１の入力信号［Ｍ０］［例えば、第２の入力信号から第１の入力信号の遅延されスケーリングされたバージョンを減算することによって、例えば、Ｓ’１＝Ｍ１（ｚ）－ａ０・ｚ－ｄ０・Ｍ０（ｚ）］の遅延およびスケーリングされたバージョン［ａ０・ｚ－ｄ０・Ｍ０］と結合するステップと、
ランダム方向最適化［例えば、他の請求項で定義されている動作のうちの１つを実行することによって、例えば、および／または、例えば式（６）および／または（８）のものであり得る目的関数を最小化する遅延値および減衰値を見つけることによって］を使用して、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０＊ｚ－ｄ０＊Ｍ０］を取得するために使用される第１のスケーリング値［ａ０］、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０＊ｚ－ｄ０＊Ｍ０］を取得するために使用される第１の遅延値［ｄ０］、
第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１＊ｚ－ｄ１＊Ｍ１］を取得するために使用される第２のスケーリング値［ａ１］、および
第２の入力信号［ａ１＊ｚ－ｄ１＊Ｍ１］の遅延およびスケーリングされたバージョンを取得するために使用される第２の遅延値［ｄ１］を決定するステップと、を含む。
【0053】
一例によれば、複数の入力信号［例えば、マイクロフォン信号］［Ｍ０、Ｍ１］に基づいて異なる音源［ｓｏｕｒｃｅ１、ｓｏｕｒｃｅ２］に関連する複数の出力信号［Ｓ’０、Ｓ’１］を取得するための方法が提供され、音源［ｓｏｕｒｃｅ１、ｓｏｕｒｃｅ２］からの信号は結合され、
方法は、
第１の出力信号［Ｓ’０］を得るために、第１の入力信号［Ｍ０］、またはその処理された［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１＊ｚ－ｄ１＊Ｍ１］と結合するステップであって、方法は、部分遅延［ｄ１］を第２の入力信号［Ｍ１］に適用するように構成される、ステップ［部分遅延（ｄ１）は、第２のソース（ｓｏｕｒｃｅ１）から第１のマイクロフォン（ｍｉｃ０）に到達する信号（Ｈ１、０＊Ｓ１）の遅延（例えば、Ｈ１、０で表される遅延）と、第２のソース（ｓｏｕｒｃｅ１）から第２のマイクロフォン（ｍｉｃ１）に到達する信号（Ｈ１、１＊Ｓ１）の遅延（例えば、Ｈ１、１で表される遅延）との間の関係および／または差を示すことができる］［例では、部分遅延ｄ１は、分数Ｈ１、０（ｚ）／Ｈ１、１（ｚ）の結果のｚ項の指数を近似するものとして理解することができる］、
方法は、
第１の出力信号［Ｓ’０］を得るために、第１の入力信号［Ｍ０］、またはその処理された［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１＊ｚ－ｄ１＊Ｍ１］と結合するステップであって、方法は、部分遅延［ｄ１］を第２の入力信号［Ｍ１］に適用するように構成される、ステップ［部分遅延（ｄ１）は、第２のソース（ｓｏｕｒｃｅ１）から第１のマイクロフォン（ｍｉｃ０）に到達する信号（Ｈ１、０＊Ｓ１）の遅延（例えば、Ｈ１、０で表される遅延）と、第２のソース（ｓｏｕｒｃｅ１）から第２のマイクロフォン（ｍｉｃ１）に到達する信号（Ｈ１、１＊Ｓ１）の遅延（例えば、Ｈ１、１で表される遅延）との間の関係および／または差を示すことができる］［例では、部分遅延ｄ１は、分数Ｈ１、０（ｚ）／Ｈ１、１（ｚ）の結果のｚ項の指数を近似するものとして理解することができる］、
【0054】
第２の入力信号［Ｍ１］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０＊ｚ－ｄ０＊Ｍ０］と結合して、第２の出力信号［Ｓ’１］を取得するステップであって、方法は、部分遅延［ｄ０］を第１の入力信号［Ｍ０］に適用するように構成される、ステップ［部分遅延（ｄ０）は、第１の音源（ｓｏｕｒｃｅ０）から第１のマイクロフォン（ｍｉｃ０）に到達する信号（Ｈ０、０＊Ｓ０）の遅延（例えば、Ｈ０、０で表される遅延）と、第１の音源（ｓｏｕｒｃｅ０）から第２のマイクロフォン（ｍｉｃ１）に到達する信号（Ｈ０、１＊Ｓ０）の遅延（例えば、Ｈ０、１で表される遅延）との間の関係および／または差を示すことができる］［例では、部分遅延ｄ０は、分数Ｈ０、１（ｚ）／Ｈ０、０（ｚ）の結果のｚ項の指数を近似するものとして理解することができる］、
【0055】
最適化を使用して、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０＊ｚ－ｄ０＊Ｍ０］を取得するために使用される第１のスケーリング値［ａ０］、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０＊ｚ－ｄ０＊Ｍ０］を取得するために使用される第１の部分遅延値［ｄ０］、
第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１＊ｚ－ｄ１＊Ｍ１］を取得するために使用される第２のスケーリング値［ａ１］、および
第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１＊ｚ－ｄ１＊Ｍ１］を取得するために使用される第２の部分遅延値［ｄ１］を決定するステップ、を含む。
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０＊ｚ－ｄ０＊Ｍ０］を取得するために使用される第１のスケーリング値［ａ０］、
第１の入力信号［Ｍ０］の遅延およびスケーリングされたバージョン［ａ０＊ｚ－ｄ０＊Ｍ０］を取得するために使用される第１の部分遅延値［ｄ０］、
第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１＊ｚ－ｄ１＊Ｍ１］を取得するために使用される第２のスケーリング値［ａ１］、および
第２の入力信号［Ｍ１］の遅延およびスケーリングされたバージョン［ａ１＊ｚ－ｄ１＊Ｍ１］を取得するために使用される第２の部分遅延値［ｄ１］を決定するステップ、を含む。
【0056】
一例によれば、方法が提供され、方法は、複数の入力信号［例えば、マイクロフォン信号］［Ｍ０、Ｍ１］に基づいて異なる音源［ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１］に関連付けられた複数の出力信号［Ｓ’０、Ｓ’１］を取得するためのものであり、ここでは音源からの信号が結合され［例えば、第１の入力信号から第２の入力信号の遅延およびスケーリングされたバージョンを減算することによって、および／または第２の入力信号から第１の入力信号の遅延およびスケーリングされたバージョンを減算することによって］、方法は、
第１の出力信号［Ｓ’０］を得るために、第１の入力信号［Ｍ０］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号［Ｍ１］［例えば、第１の入力信号から第２の入力信号の遅延されスケーリングされたバージョンを減算することによって、］の遅延およびスケーリングされたバージョン［ａ１＊ｚ－ｄ１＊Ｍ１］と結合するためのものであり、
第２の入力信号［Ｍ１］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第１の入力信号［Ｍ０］［例えば、第２の入力信号から第１の入力信号の遅延されスケーリングされたバージョンを減算することによって］の遅延およびスケーリングされたバージョン［ａ０＊ｚ－ｄ０＊Ｍ０］と組み合わせて、第２の出力信号［Ｓ’１］を取得するためのものであり、
正規化された大きさの値の第１のセット［例えば、式（７）のように］のそれぞれの要素［Ｐｉ（ｎ）、ここで、ｉは０または１である］と、
正規化された大きさの値の第１のセットのそれぞれの要素［Ｐ（ｎ）またはＰ１（ｎ）］および正規化された大きさの値の第２のセットのそれぞれの要素［Ｑ（ｎ）またはＱ１（ｎ）］に基づいて形成される商の対数と、
の間の複数の積［例えば、式（６）または（８）のように］を合計するためのものであり、
その結果、第１の正規化された大きさの値のセット［Ｐ０（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ０’（ｎ）］と第２の正規化された大きさの値のセット［Ｐ１（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ１’（ｎ）］との間の類似性［または非類似性］を記述する値［式（６）または式（８）中のＤＫＬ（Ｐ｜｜Ｑ）またはＤ（Ｐ０、Ｐ１）］を取得する。
第１の出力信号［Ｓ’０］を得るために、第１の入力信号［Ｍ０］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号［Ｍ１］［例えば、第１の入力信号から第２の入力信号の遅延されスケーリングされたバージョンを減算することによって、］の遅延およびスケーリングされたバージョン［ａ１＊ｚ－ｄ１＊Ｍ１］と結合するためのものであり、
第２の入力信号［Ｍ１］、またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第１の入力信号［Ｍ０］［例えば、第２の入力信号から第１の入力信号の遅延されスケーリングされたバージョンを減算することによって］の遅延およびスケーリングされたバージョン［ａ０＊ｚ－ｄ０＊Ｍ０］と組み合わせて、第２の出力信号［Ｓ’１］を取得するためのものであり、
正規化された大きさの値の第１のセット［例えば、式（７）のように］のそれぞれの要素［Ｐｉ（ｎ）、ここで、ｉは０または１である］と、
正規化された大きさの値の第１のセットのそれぞれの要素［Ｐ（ｎ）またはＰ１（ｎ）］および正規化された大きさの値の第２のセットのそれぞれの要素［Ｑ（ｎ）またはＱ１（ｎ）］に基づいて形成される商の対数と、
の間の複数の積［例えば、式（６）または（８）のように］を合計するためのものであり、
その結果、第１の正規化された大きさの値のセット［Ｐ０（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ０’（ｎ）］と第２の正規化された大きさの値のセット［Ｐ１（ｎ）、ｎ＝１～．．．の場合］によって記述される信号部分［ｓ１’（ｎ）］との間の類似性［または非類似性］を記述する値［式（６）または式（８）中のＤＫＬ（Ｐ｜｜Ｑ）またはＤ（Ｐ０、Ｐ１）］を取得する。
【0057】
一例によれば、上記または下記のような機器を使用するように構成された、前述の方法請求項のいずれか一項に記載の方法が提供される。
プロセッサによって実行されると、プロセッサに、前述の方法請求項のいずれか一項に記載の方法を実行させる命令を格納する非一時的記憶ユニット。
プロセッサによって実行されると、プロセッサに、前述の方法請求項のいずれか一項に記載の方法を実行させる命令を格納する非一時的記憶ユニット。
【図面の簡単な説明】
【0058】
【図1】本発明を理解するのに有用なマイクロフォンおよび音源のレイアウトを示す図である。
【図2a】本発明による機能技術を示す図である。
【図2b】痙攣混合および混合プロセスの信号ブロック図を示す図である。
【図3】模擬データに適用したＢＳＳアルゴリズムの性能評価を示す図である。
【図4】本発明を理解するのに有用なマイクロフォンおよび音源のレイアウトを示す図である。
【図5】本発明による装置を示す図である。
【図6a】本発明を用いて得られる結果を示す図である。
【図6b】本発明を用いて得られる結果を示す図である。
【図6c】本発明を用いて得られる結果を示す図である。
【発明を実施するための形態】
【0059】
上述および後述するような技術を適用することによって、信号は、互いに分離された複数の信号
および
に到達するように処理され得ることが理解されている。したがって、出力信号
は、音Ｓ０から影響を受けない（または無視できるほどもしくは無視できるほど影響を受けない）が、出力信号
は、マイクロフォンｍｉｃ０への音Ｓ１の影響による影響を受けない（または無視できるほどもしくは無視できるほど影響を受けない）という結果になる。
【0060】
一例が図２ｂによって提供され、マイクロフォンＭ０およびＭ１から集合的に得られた生成音Ｓ０およびＳ１と信号５０２との間の物理的関係のモデルを示す。結果は、ここではｚ変換で表される（場合によっては簡潔にするために示されていない）。ブロック５０１から分かるように、音響信号Ｓ０は、音響信号Ｓ１に加算される伝達関数Ｈ０、０（ｚ）を受ける（伝達関数Ｈ１、０（ｚ）によって修正される）。したがって、信号Ｍ０（ｚ）はマイクロフォンｍｉｃ０で得られ、望ましくないことに、音響信号Ｓ１（ｚ）を考慮に入れる。同様に、マイクロフォンｍｉｃ１で得られる信号Ｍ１（ｚ）は、音響信号Ｓ１（ｚ）に関連する成分（伝達関数Ｈ１、１（ｚ）によって得られる）と、音響信号Ｓ０（ｚ）に起因する第２の不要成分（伝達関数Ｈ０、１（ｚ）を受けた後で）との両方を含む。この現象をクロストークと呼ぶ。
【0061】
クロストークを補償するために、ブロック５１０に示された解決策が利用され得る。ここで、マルチチャネル出力信号５０４は、
・入力信号Ｍ０、および減算成分５０３１（信号Ｍ１の遅延および／またはスケーリングされたバージョンであり、信号Ｍ１を伝達関数
にかけることによって取得され得る）の少なくとも２つの成分を含む、第１の出力信号
（マイクロフォンｍｉｃ０で収集されるがクロストークから研磨された音Ｓ０を表す）と、
・入力信号Ｍ１、および減算成分５０３０（マイクロフォンｍｉｃ０で得られた第１の入力信号Ｍ０の遅延および／またはスケーリングされたバージョンであり、信号Ｍ０を伝達関数にかけることによって得られ得る）
を含む、出力信号
（マイクロフォンｍｉｃ１で集音されたがクロストークから研磨された音Ｓ１を表す）と、を含む。
・入力信号Ｍ０、および減算成分５０３１（信号Ｍ１の遅延および／またはスケーリングされたバージョンであり、信号Ｍ１を伝達関数
・入力信号Ｍ１、および減算成分５０３０（マイクロフォンｍｉｃ０で得られた第１の入力信号Ｍ０の遅延および／またはスケーリングされたバージョンであり、信号Ｍ０を伝達関数にかけることによって得られ得る）
【0062】
数学的説明は以下に提供されるが、ブロック５１０における減算成分５０３１および５０３０は、ブロック５０１において生じる望ましくない成分を補償することが理解され得る。したがって、ブロック５１０が、複数（５０２）の入力信号［例えば、マイクロフォン信号］（Ｍ０、Ｍ１）に基づいて、異なる音源（ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１）に関連する複数（５０４）の出力信号（Ｓ’０、Ｓ’１）を取得することを可能にし、音源（ｓｏｕｒｃｅ０、ｓｏｕｒｃｅ１）からの信号（Ｓ０、Ｓ１）が（望ましくなく）結合される（５０１）ことは明らかである。ブロック５１０は、第１の入力信号（Ｍ０）またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、第２の入力信号（Ｍ１）［例えば、第１の入力信号から第２の入力信号の遅延されスケーリングされたバージョンを減算することによって、例えば、Ｓ’０（ｚ）＝Ｍ０（ｚ）－ａ１・ｚ－ｄ１・Ｍ１（ｚ）］の遅延およびスケーリングされたバージョン（５０３１）［ａ１・ｚ－ｄ１・Ｍ１］と組み合わせて（５１０）、第１の出力信号（Ｓ’０）を取得するように構成することができ、ブロックが、第２の入力信号（Ｍ１）またはその処理［例えば、遅延および／またはスケーリングされる］バージョンを、前記第１の入力信号［Ｍ０］［例えば、第２の入力信号から第１の入力信号の遅延されスケーリングされたバージョンを減算することによって、例えば、Ｓ’１（ｚ）＝Ｍ１（ｚ）－ａ０・ｚ－ｄ０・Ｍ０（ｚ）］の遅延およびスケーリングされたバージョン（５０３０）［ａ０・ｚ－ｄ０・Ｍ０］と組み合わせて（５１０）、第２の出力信号［Ｓ’１］を取得するように構成される。
ｚ変換はこの場合に特に有用であるが、他の種類の変換を利用することも、時間領域で直接動作することも可能である。
ｚ変換はこの場合に特に有用であるが、他の種類の変換を利用することも、時間領域で直接動作することも可能である。
【0063】
基本的に、一対のスケーリング値ａ０およびａ１は、入力信号のスケーリングされたバージョンを取得するために減算成分５０３１および５０３０の振幅を修正することが理解され得、遅延ｄ０およびｄ１は部分遅延として理解され得る。例では、部分遅延ｄ０は、分数Ｈ０、１（ｚ）／Ｈ０、０（ｚ）］の結果のｚ項の指数を近似するものとして理解することができる。部分遅延ｄ１は、第２のソース（ｓｏｕｒｃｅ１）から第１のマイクロフォン（ｍｉｃ０）に到達する信号（Ｈ１、０・Ｓ１）の遅延（例えば、Ｈ１、０で表される遅延）と、第２のソース（ｓｏｕｒｃｅ１）から第２のマイクロフォン（ｍｉｃ１）に到達する信号（Ｈ１、１・Ｓ１）の遅延（例えば、Ｈ１、１で表される遅延）との間の関係および／または差を示すことができる。例では、部分遅延ｄ１は、分数Ｈ１、０（ｚ）／Ｈ１、１（ｚ）］の結果のｚ項の指数を近似するものとして理解することができる。部分遅延ｄ０は、第１のソース（ｓｏｕｒｃｅ０）から第１のマイクロフォン（ｍｉｃ０）に到達する信号（Ｈ０、０・Ｓ０）の遅延（例えば、Ｈ０、０で表される遅延）と、第１のソース（ｓｏｕｒｃｅ０）］［例では、部分遅延ｄ０は、分数Ｈ０、１（ｚ）／Ｈ０、０（ｚ）の結果のｚ項の指数を近似するものとして理解することができる］から第２のマイクロフォン（ｍｉｃ１）に到達する信号（Ｈ０、１・Ｓ０）の遅延（例えば、Ｈ０、１で表される遅延）との間の関係および／または差を示すことができる。
【0064】
後に説明するように、特に、（参照符号５６４でまとめて示される）最も好ましい値、
・例えば、第１の入力信号［５０２、Ｍ０］の遅延されスケーリングされたバージョン５０３０［ａ０・ｚ－ｄ０・Ｍ０］を取得するために使用される第１のスケーリング値［ａ０］、
・例えば、第１の入力信号［５０２、Ｍ０］の遅延されスケーリングされたバージョン５０３０［ａ０・ｚ－ｄ０・Ｍ０］を取得するために使用される第１の部分遅延値［ｄ０］、
・例えば、第２の入力信号［５０２、Ｍ１］の遅延されスケーリングされたバージョン５０３１［ａ１・ｚ－ｄ１・Ｍ１］を取得するために使用される第２のスケーリング値［ａ１］と、
・例えば、第２の入力信号［５０２、Ｍ１］の遅延されスケーリングされたバージョン５０３１［ａ１・ｚ－ｄ１・Ｍ１］を取得するために使用される第２の部分遅延値［ｄ１］と、を見出すことが可能である。
・例えば、第１の入力信号［５０２、Ｍ０］の遅延されスケーリングされたバージョン５０３０［ａ０・ｚ－ｄ０・Ｍ０］を取得するために使用される第１のスケーリング値［ａ０］、
・例えば、第１の入力信号［５０２、Ｍ０］の遅延されスケーリングされたバージョン５０３０［ａ０・ｚ－ｄ０・Ｍ０］を取得するために使用される第１の部分遅延値［ｄ０］、
・例えば、第２の入力信号［５０２、Ｍ１］の遅延されスケーリングされたバージョン５０３１［ａ１・ｚ－ｄ１・Ｍ１］を取得するために使用される第２のスケーリング値［ａ１］と、
・例えば、第２の入力信号［５０２、Ｍ１］の遅延されスケーリングされたバージョン５０３１［ａ１・ｚ－ｄ１・Ｍ１］を取得するために使用される第２の部分遅延値［ｄ１］と、を見出すことが可能である。
【0065】
最も好ましいスケーリング値ａ０およびａ１ならびに遅延値ｄ０およびｄ１を得るための技術が、ここで、特に図５を参照して論じられる。図５から分かるように、ステレオまたはマルチチャネルの信号５０２（入力信号Ｍ０（ｚ）およびＭ１（ｚ）を含む）が得られる。図から分かるように、この方法は、採用されるべきスケーリング値および遅延値の最良値を得るために複数の反復に沿ってサイクルすることが可能であるという意味で、反復的であってもよい。
【0066】
【0067】
したがって、マルチチャネル信号５１０（そのチャネル成分、すなわち複数の入力信号
および
を含む）は、反復に沿ってますます最適化されるスケーリング値ａ０およびａ１ならびに遅延値ｄ０およびｄ１を利用することによって得られる。
【0068】
ブロック５２０において、信号
および
に対して正規化が実行される。正規化の例は、以下の商として表される式（７）によって提供される。
【0069】
ここでは、
は、入力信号Ｍ０に対する正規化値Ｐ０（ｎ）と、入力信号Ｍ１に対する正規化値Ｐ１（ｎ）とがあることを示している。インデックスｎは、時間領域入力信号の時間インデックスである。ここで、
は信号Ｍｉ（ｉ＝０、１として、）の時間領域サンプルインデックス（ｚ変換ではない）である。
は、
の大きさ（例えば、絶対値）が得られ、したがって正であるか、または悪い場合には０であることを示す。これは、式（７）の分子が正であること、またはさらに悪いことに０であることを意味する。
は、式（７）の分母がベクトル
の１－ノルムによって形成されることを示す。１－ノルム
は、大きさ
の合計を示し、
は、信号サンプル、例えば現在のインデックス（例えば、信号サンプルは、過去のインデックスから現在のインデックスまでの所定のウィンドウ内で取得されてもよい）までである。したがって、
（式（７）の分母）は正（場合によっては０）である。また、常に
であり、０≦Ｐｉ（ｎ）≦１（ｉ＝０、１）であることを意味する。さらに、以下も検証される。
【0070】
したがって、式（７）を採用することによって、Ｐ０（ｎ）およびＰ１（ｎ）が以下を検証するので、Ｐ０（ｎ）およびＰ１（ｎ）を確率として人為的に考えることができることに留意されたい。
１．
２．
ここで、
（さらなる考察を以下に提供する）である。「∞」は数学的形式に使用されるが、考慮される信号にわたって近似することができる。
式（７）を介して得られたものだけでなく、他の種類の正規化が提供されてもよいことに留意されたい。
１．
式（７）を介して得られたものだけでなく、他の種類の正規化が提供されてもよいことに留意されたい。
【0071】
図５は、正規化値５２２によって入力され、第１および第２の入力値Ｍ０およびＭ１の間の情報を与える類似度値（または類似度値）５３２を出力するブロック５３０を示す。ブロック５３０は、入力信号Ｍ０およびＭ１が互いにどの程度類似している（または類似していない）かを示すメトリックを測定するブロックとして理解することができる。
【0072】
第１の入力値と第２の入力値との間の類似性または非類似性を示すために選択されるメトリックは、いわゆるカルバックライブラー発散（ＫＬＤ）であってもよいことが理解されている。これは、式（６）または（８）を使用して得ることができる。
（８）
【0073】
ここで、カルバックライブラー発散（ＫＬＤ）をどのようにして得るかについての議論を提供する。図７は、図５のブロック５２０の下流のブロック５３０の例を示す。したがって、ブロック５２０は、例えば上述の式（７）を使用して、
および
（５２２）を提供する（他の技術が使用されてもよい）。ブロック５３０（カルバックライブラープロセッサまたはＫＬプロセッサとして理解されてもよい）は、メトリック５３２を取得するように適合されてもよく、これは、この場合、式（８）で計算されるカルバックライブラー発散である。
【0074】
図７を参照すると、第１の分岐７００ａにおいて、ブロック７０２で
と
との商７０２’が計算される。ブロック７０６において、商７０２’の対数が計算され、したがって、値７０６’を得る。次に、対数値７０６’は、スケーリングブロック７１０で正規化された値
をスケーリングするために使用されてもよく、したがって、積７１０’を得る。第２の分岐７００ｂにおいて、商７０４’がブロック７０４において計算される。商７０４’の対数７０８’は、ブロック７０４において計算される。次に、対数値７０８’は、スケーリングブロック７１２で正規化された値をスケーリングするために使用され、したがって、積７１２’を得る。
【0075】
加算器ブロック７１４において、値７１０’および７１２’（それぞれ分岐７００ａおよび７００ｂで得られる）が互いに組み合わされる。ブロック７１６において、組み合わされた値７１４’は、互いに、サンプル領域インデックスに沿って合計される。加算値７１６’は、ブロック７１８（例えば、－１でスケーリングされる）において反転されて反転値７１８’を得ることができる。値７１６’は類似値として理解することができるが、反転値７１８’は非類似値として理解することができることに留意されたい。値７１６’または値７１８’のいずれかは、上述したように（類似度を示す値７１６’、非類似度を示す値７１８’）メトリック５３２としてオプティマイザ５６０に提供されてもよい。
【0076】
したがって、オプティマイザブロック５３０は、したがって、式（８）、すなわち、
に到達することを可能にすることができる。式（６）、例えば、
に到達するために、図７からブロック７０４、７０８、７１２および７１４を排除し、
を
と、
をＱと置換することが単に可能であり得る。
【0077】
カルバックライブラー発散は、確率に関する測定値を与えるために自然に考えられたものであり、原則として、入力信号Ｍ０およびＭ１の物理的有意性とは無関係である。それにもかかわらず、本発明者らは、信号
および
を正規化し、
および
などの正規化された値を取得することによって、カルバックライブラー発散が、入力信号Ｍ０とＭ１との間の類似性／非類似性を測定するための有効なメトリックを提供することを理解している。したがって、時間領域サンプルの正規化された大きさの値を確率分布と見なすことができ、その後、メトリック（例えば、カルバックライブラー発散として、例えば、式（６）または（８））を測定することができる。
【0078】
ここで再び図５を参照する。反復ごとに、メトリック５３２は、スケーリング値ａ０およびａ１ならびに遅延値ｄ０およびｄ１の有効性の良好な推定値を提供する。反復に沿って、スケーリング値ａ０およびａ１ならびに遅延値ｄ０およびｄ１の異なる候補値が、最も低い類似度または最も高い非類似度を提示するそれらの候補の中から選択される。
【0079】
ブロック５６０（オプティマイザ）は、メトリック５３２によって入力され、遅延値ｄ０、ｄ１およびスケーリング値ａ０、ａ１の候補５６４（ベクトル）を出力する。オプティマイザ５６０は、候補ａ０、ａ１、ｄ０、ｄ１の異なるグループに対して取得された異なるメトリックを測定し、それらを変更し、最も低い類似度（または最も高い非類似度）５３２に関連付けられた候補のグループを選択することができる。したがって、出力５０４（出力信号
）は最良の近似を提供する。候補値５６４は、ベクトルにグループ化されてもよく、これは、例えばランダムな技法（図５は、ランダム入力５４２をオプティマイザ５６０に提供するランダム発生器５４０を示す）によってその後修正することができる。オプティマイザ５６０は、候補値５６４（ａ０、ａ１、ｄ０、ｄ１）がスケーリング（例えば、ランダムに）される重みを利用することができる。初期係数重み５６２は、例えばデフォルトで提供されてもよい。オプティマイザ５６０の処理の一例が提供され、以下で広く説明される（「アルゴリズム１」）。アルゴリズムのラインと図５の要素との間の可能な対応関係も図５に示されている。
【0080】
理解され得るように、オプティマイザ５６４は、値ａ０、ａ１、ｄ０、ｄ１のベクトル５６４を出力し、これらは続いて、新しい値５１２、新しい正規化された値５２２、および新しいメトリック５３２を取得するために混合ブロック５１０で再使用される。特定の反復回数（例えば予め定義することができる）の後、最大反復回数は、例えば、１０から２０の間で選択された回数であってもよい。基本的に、オプティマイザ５６０は、例えば、ブロック５３０でおよび／または式（６）および（８）を使用して取得されたメトリック５３２であり得る目的関数を最小化する遅延および反復値を見つけるものとして理解され得る。
【0081】
したがって、オプティマイザ５６０は、候補パラメータが候補のベクトル［例えば、５６４、ａ０、ａ１、ｄ０、ｄ１に対応する４つのエントリを有する］を形成するように、ランダム方向最適化技術に基づくことができ、候補のベクトルは、候補のベクトルをランダム方向に修正することによって反復的に洗練されることが理解されている。
【0082】
基本的に、候補のベクトル（ａ０、ａ１、ｄ０、ｄ１の後続の値を示す）は、ランダムな方向の候補ベクトルを修正することによって反復的に洗練され得る。例えば、ランダム入力５４２に続いて、ランダムに変化する異なる重みを使用して異なる候補値を修正することができる。ランダム方向は、例えば、所定の規則なしで、いくつかの候補値が増加している間、他の候補値が減少していること、またはその逆を意味し得る。また、最大閾値が事前定義されていても、重みの増分はランダムであってもよい。
【0083】
オプティマイザ４６０は、候補パラメータ［ａ０、ａ１、ｄ０、ｄ１］が候補のベクトルを形成するようにすることができ、反復ごとに、候補のベクトルの要素に要素ごとに乗算される［例えば、それぞれ－０．５から＋０．５の間］一様分布乱数のベクトルを適用することによって、候補のベクトルが摂動される［例えば、ランダムに］。したがって、例えばランダム方向最適化を使用することによって、勾配処理を回避することが可能である。したがって、係数のベクトルをランダムに摂動させることによって、ａ０、ａ１、ｄ０、ｄ１の好ましい値、および合成音Ｓ０およびＳ１が適切に補償された出力信号５０４に段階的に到達することが可能である。アルゴリズムについては、以下で詳細に説明する。
【0084】
本例では、常に、２つの入力チャネル（例えば、Ｍ０、Ｍ１）によって形成されるマルチチャネル入力信号５０２が参照される。とにかく、上記の同じ例は、３つ以上のチャネルにも適用される。
例では、対数は任意の底であってもよい。上述のベースは１０であると推測することができる。
例では、対数は任意の底であってもよい。上述のベースは１０であると推測することができる。
【0085】
技術の詳細な説明
１つの目標は、利用可能なステレオウェブカメラのように、ステレオマイクロフォンからあまり遠くない、小さなオフィス環境において、２つのスピーカ、またはスピーカおよび楽器またはノイズ源を分離するためのテレビ会議のためのシステムである。スピーカまたは音源は、ステレオマイクロフォンの対向する（左右の）側にあると仮定される。リアルタイムのテレビ会議で有用であるために、できるだけ低い遅延でオンラインで動作することが望まれる。比較のために、この論文では、オフライン実装に焦点を当てている。提案された手法は、マイクロフォン信号間の減衰係数および部分遅延を使用してクロストークを最小化し、部分遅延および和ビームフォーマの原理を使用して、時間領域で機能する。他の手法と比較して、これは、最適化すべき変数の数がより少ないという利点を有し、周波数領域におけるＩＣＡのような手法の順列問題を有していない。分離を最適化するために、本発明者らは、得られた分離されたシグナル間の負のカルバックライブラー導出目的関数を最小化する。最適化のために、非常に高速で堅牢な勾配を必要とせずに、「ランダムな方向」の新規なアルゴリズムを使用する。本発明者らは、ルームインパルス応答シミュレータを使用して、および現実の記録を用いて、ＴＩＭＩＴデータセットから得られた音声信号から生成された畳み込み混合に対する本発明者らの手法を評価する。結果は、提案されたシナリオについて、本発明者らの手法がその分離性能に関して競争力があり、従来技術の手法よりも計算複雑度およびシステム遅延が低いことを示している。
１つの目標は、利用可能なステレオウェブカメラのように、ステレオマイクロフォンからあまり遠くない、小さなオフィス環境において、２つのスピーカ、またはスピーカおよび楽器またはノイズ源を分離するためのテレビ会議のためのシステムである。スピーカまたは音源は、ステレオマイクロフォンの対向する（左右の）側にあると仮定される。リアルタイムのテレビ会議で有用であるために、できるだけ低い遅延でオンラインで動作することが望まれる。比較のために、この論文では、オフライン実装に焦点を当てている。提案された手法は、マイクロフォン信号間の減衰係数および部分遅延を使用してクロストークを最小化し、部分遅延および和ビームフォーマの原理を使用して、時間領域で機能する。他の手法と比較して、これは、最適化すべき変数の数がより少ないという利点を有し、周波数領域におけるＩＣＡのような手法の順列問題を有していない。分離を最適化するために、本発明者らは、得られた分離されたシグナル間の負のカルバックライブラー導出目的関数を最小化する。最適化のために、非常に高速で堅牢な勾配を必要とせずに、「ランダムな方向」の新規なアルゴリズムを使用する。本発明者らは、ルームインパルス応答シミュレータを使用して、および現実の記録を用いて、ＴＩＭＩＴデータセットから得られた音声信号から生成された畳み込み混合に対する本発明者らの手法を評価する。結果は、提案されたシナリオについて、本発明者らの手法がその分離性能に関して競争力があり、従来技術の手法よりも計算複雑度およびシステム遅延が低いことを示している。
【0086】
インデックス用語－ブラインド音源分離、時間領域、バイノーラル室内インパルス応答、最適化
１．導入、以前の手法
本発明者らのシステムは、２つのマイクロフォンを有し、２つの音源を分離したい用途向けである。これは、例えば、オフィスにステレオウェブカメラがあり、その周りに２人のスピーカがある、または計算の複雑さが低いことが重要である補聴器のためのテレビ会議シナリオであり得る。
１．導入、以前の手法
本発明者らのシステムは、２つのマイクロフォンを有し、２つの音源を分離したい用途向けである。これは、例えば、オフィスにステレオウェブカメラがあり、その周りに２人のスピーカがある、または計算の複雑さが低いことが重要である補聴器のためのテレビ会議シナリオであり得る。
【0087】
以前のアプローチ：以前の初期のアプローチは、独立成分分析（ＩＣＡ）である。それは、混合物中で遅延なしに信号の混合を解くことができる。非ガウス性を最大化するか、またはカルバックライブラー発散［１、２］を最大化することによって、非混合行列の係数を見つける。しかし、オーディオ信号およびステレオマイクロフォンペアの場合、ミックスにおいて、伝播遅延、一般的にはルームインパルス応答［３］との畳み込みが常に存在する。これに対処するための手法は、信号［４］、例えばＡｕｘＩＶＡ［５］およびＩＬＲＭＡ［６、７］に短時間フーリエ変換（ＳＴＦＴ）を適用することが多い。これにより、信号遅延がＳＴＦＴサブバンド内の複素数値係数に変換され、得られたサブバンド（例えば、［８］）に（複素数値）ＩＣＡを適用することができる。
【0088】
問題：ここで発生する問題は、サブバンドにおける順列であり、分離されたソースは、異なるサブバンドにおいて異なる順序で現れる可能性がある。異なるサブバンド内の異なるソースの利得は異なり、修正されたスペクトル形状、スペクトル平坦化をもたらす可能性がある。また、ＳＴＦＴを適用することから生じる信号遅延もある。ブロックサイズ［９、１０］に対応するシステム遅延を必要とするブロックへの信号の組み立てが必要である。
【0089】
ＴＲＩＮＩＣＯＮ［１１］のような時間領域アプローチ、または短いブロックおよびより多くのマイクロフォン［１２、１３］を有するＳＴＦＴを使用するアプローチは、ＳＴＦＴの大きなブロック遅延を有さないという利点を有するが、通常、より高い計算複雑度を有し、これにより、小型デバイスで使用することが困難になる。
図１も参照されたい。図１は、シミュレーションにおけるスピーカおよびマイクロフォンの設定を示している。
２．提案されたアプローチ
図１も参照されたい。図１は、シミュレーションにおけるスピーカおよびマイクロフォンの設定を示している。
２．提案されたアプローチ
【0090】
周波数領域手法に関連する処理遅延を回避するために、時間領域手法を使用する。ＦＩＲフィルタを使用する代わりに、本発明者らは、減衰係数、部分遅延および和の原理または適応ビームフォーマ［１６、１７、１８］を有する部分遅延オールパスフィルタ［１４、１５］として実装されるＩＩＲフィルタを使用する。これは、そのような各フィルタが２つの係数、部分遅延および減衰のみを有するという利点を有する。２チャネルステレオの場合、これは合計でわずか４つの係数をもたらし、最適化がより容易になる。簡単にするために、残響除去も行わず、クロストーク最小化に注目する。実際には、２つのマイクロフォン間の相対伝達関数を減衰および純粋な部分遅延によってモデル化する。次に、「差分進化」法と同様に、「ランダム方向」の新規最適化を適用する。
【0091】
２つのマイクロフォン（
および
）で作られた２つの音源（
および
）からの混合録音を想定する。しかしながら、３つ以上の音源についても同じ結果が有効である。音源は、図１に示すように固定された位置にあると仮定することができる。非因果的インパルス応答のモデル化の必要性を回避するために、音源はマイクロフォン対の異なる半平面（左右）になければならない。
【0092】
一般的に使用されるＳＴＦＴの代わりに、関連する遅延を伴う信号のブロックへの分解を必要としないため、数学的導出にｚ変換を使用することができる。これにより、アルゴリズム遅延のない時間領域実装に適している。サンプルインデックス
を用いた時間領域信号
の（片側）ｚ変換は、
のように定義されることに留意されたい。ｚ変換ドメイン信号を示すために大文字を使用する。
【0093】
瞬間の２つの時間領域音響信号（サンプルインデックス）
として
および
を定義し、それらのｚ変換を
および
として定義する。２つのマイクロフォン信号（まとめて５０２で示す）は、
および
であり、それらのｚ変換は、
および
である（図２）。
iのソースからjのマイクロフォンへのルームインパルス応答（ＲＩＲ）は
であり、それらのｚ変換は
である。したがって、本発明者らの畳み込み混合システムは、ｚ領域において、以下のように記述することができる。
（１）
iのソースからjのマイクロフォンへのルームインパルス応答（ＲＩＲ）は
【0094】
単純化された行列乗算では、式（１）を次のように書き換えることができる。
（２）
【0095】
理想的な音源分離のためには、混合行列
を反転する必要がある。したがって、音源は次のように計算できる。
（３）
【0096】
逆行列の
および対角要素は、混合解除に寄与しない線形フィルタであるため、分離のためにそれらを無視し、それらを式（３）の左側に持ってくることができる。
この結果、
この結果、
【0097】
であり、
【0098】
次に、
サンプルによる部分遅延および減衰係数
によってこれらの相対ルーム伝達関数を近似する。
（５）
ここで、
である。
ここで、
【0099】
この近似は、残響またはエコーが強すぎない場合に特にうまく機能する。
サンプルによる部分遅延については、次のセクション（２．１）の部分遅延フィルタを使用する。簡単にするために、行列式および行列の対角線
から得られる線形フィルタを左側に保持し、これは残響除去がないことを意味することに留意されたい。
【0100】
ここでは、図１を参照して例が提供されている。ステレオマイクロフォンペアの周りの対向する両側に対称的に、反射のない自由音場の２つの音源を想定する。ｓｏｕｒｃｅ０から近用マイクロフォンまでの（サンプル単位の）距離は、
＝５０サンプル、遠用マイクロフォンまで
＝５５サンプルとする。音の振幅は、ある定数
の関数
に従って減衰するものとする。次いで、ｚ領域内のルーム伝達関数は、
および
であり、一方の相対的なルーム伝達関数は
であり、他方の相対的なルーム伝達関数について同じである。この単純なケースでは、相対的なルーム伝達関数は実際に
であり、正確には減衰および遅延であることが分かる。畳み込み混合およびデミックス処理の信号フローチャートを図２ｂに示す。（図２ｂ：畳み込み混合および逆混合プロセスの信号ブロック図である）。
【0101】
２．１．部分遅延オールパスフィルタ
式（５）の遅延
を実現するための部分遅延オールパスフィルタは、ただ１つの係数からＩＩＲフィルタを生成し、良好なクロストークキャンセルに必要な正確な部分遅延（正確な遅延は整数値ではない）の実装を可能にするので、本発明者らの方式において重要な役割を果たす。ＩＩＲ特性はまた、効率的な実施を可能にする。［１４、１５］は、最大平坦群遅延を有するＩＩＲフィルタに基づいて、部分遅延オールパスフィルタを設計するための実際的な方法を記載している［１９］。以下の式を使用して、部分遅延
のための部分遅延オールパスフィルタの係数を取得する。ｚドメインでのその伝達関数は
のようになる。［１４］
ここで、
は次のように定義される順序
である。
フィルタ
は、
について以下のように生成される。
式（５）の遅延
【0102】
２．２．目的関数
目的関数として、カルバックライブラー 発散（ＫＬＤ）
（６）
から導出された関数
を使用する。
目的関数として、カルバックライブラー 発散（ＫＬＤ）
から導出された関数
【0103】
ここで、
および
は、本発明者らの（混合されていない）マイクロフォンチャネルの確率分布であり、離散分布上で
が実行される。
【0104】
計算をより高速にするために、ヒストグラムの計算を回避する。ヒストグラムの代わりに、時間領域信号自体の正規化された大きさを使用し、
（７）
ここで、
は時間領域サンプルインデックスである。
は、確率の特性と同様の特性を有する、すなわち、
１．
．
２．
．
式中、i＝０、１であることに留意されたい。カルバックライブラー発散を直接使用する代わりに、和
を使用することによって目的関数を対称（距離）関数に変える。これにより、２つのチャネル間の分離がより安定されるからである。最大化の代わりに最小化を適用するために、その負の値をとる。したがって、本発明者らの結果として得られる目的関数
は、
（８）
である。
ここで、
１．
２．
式中、i＝０、１であることに留意されたい。カルバックライブラー発散を直接使用する代わりに、和
である。
【0105】
２．３．最適化
ＢＳＳのための広範な最適化方法は勾配降下法である。これは、最適値への「最も急な」方法を見つけるという利点を有するが、勾配の計算を必要とし、目的関数の極小に容易に陥るか、または「狭い谷」によって減速される。したがって、係数の最適化のために、「差分進化」［２０、２１、２２］と同様に、「ランダム方向」の新規な最適化を使用する。更新のための係数ベクトルの差の代わりに、重みベクトルを使用して、係数の予想される分散分布をモデル化する。これは、非常に単純であるが非常に高速な最適化アルゴリズムをもたらし、これはまた、リアルタイム通信アプリケーションにとって重要なリアルタイム処理に容易に適用することができる。アルゴリズムは、固定された開始点［１．０、１．０、１．０、１．０］から始まり、我々は、これがロバストな収束挙動をもたらすことを見出した。次に、重みベクトルと要素ごとに乗算された、－０．５から＋０．５（ランダム方向）の間の一様分布乱数のベクトルで現在点を摂動させる（アルゴリズム１の線１０）。この摂動された点がより低い目的関数値を有する場合、それを次の現在点として選択し、以下同様である。最適化アルゴリズムの擬似コードは、アルゴリズム１に見ることができる。ここで、ｍｉｎａｂｓｋｌ＿ｉ（アルゴリズム１でｎｅｇａｂｓｋｌ＿ｉとして示されている）は、係数ベクトルｃｏｅｆｆｓおよびアレイＸ内のマイクロフォン信号からＫＬＤを計算する目的関数である。
ＢＳＳのための広範な最適化方法は勾配降下法である。これは、最適値への「最も急な」方法を見つけるという利点を有するが、勾配の計算を必要とし、目的関数の極小に容易に陥るか、または「狭い谷」によって減速される。したがって、係数の最適化のために、「差分進化」［２０、２１、２２］と同様に、「ランダム方向」の新規な最適化を使用する。更新のための係数ベクトルの差の代わりに、重みベクトルを使用して、係数の予想される分散分布をモデル化する。これは、非常に単純であるが非常に高速な最適化アルゴリズムをもたらし、これはまた、リアルタイム通信アプリケーションにとって重要なリアルタイム処理に容易に適用することができる。アルゴリズムは、固定された開始点［１．０、１．０、１．０、１．０］から始まり、我々は、これがロバストな収束挙動をもたらすことを見出した。次に、重みベクトルと要素ごとに乗算された、－０．５から＋０．５（ランダム方向）の間の一様分布乱数のベクトルで現在点を摂動させる（アルゴリズム１の線１０）。この摂動された点がより低い目的関数値を有する場合、それを次の現在点として選択し、以下同様である。最適化アルゴリズムの擬似コードは、アルゴリズム１に見ることができる。ここで、ｍｉｎａｂｓｋｌ＿ｉ（アルゴリズム１でｎｅｇａｂｓｋｌ＿ｉとして示されている）は、係数ベクトルｃｏｅｆｆｓおよびアレイＸ内のマイクロフォン信号からＫＬＤを計算する目的関数である。
【0106】
本発明者らは、本発明者らのテストファイルに対して（ファイル全体の毎回）２０回の反復（したがって、２０回の目的関数評価のみ）で既に十分であることを見出し、これを非常に高速なアルゴリズムにする。
【0107】
最適化は、ブロック５６０において実行されてもよく、または例えば実行されてもよい（上記参照）。
【0108】
アルゴリズム１を以下に示す。
アルゴリズム１ 最適化アルゴリズム
１： 手順 分離係数を最適化
２： 初期化
３： Ｘ ←畳み込み混合
４： ｉｎｉｔ＿ｃｏｅｆｆｓ＝［１．０、１．０、１．０、１．０］ ←
分離係数の初期推定
５： ｃｏｅｆｆｗｅｉｇｈｔｓ ←ランダム検索の重み
６： ｃｏｅｆｆ＝ｉｎｉｔ＿ｃｏｅｆｆｓ ←分離係数
７： ｎｅｇａｂｓｋｌ＿０（ｃｏｅｆｆｓ，Ｘ） ←ＫＬＤの演算
８： 最適化ルーチン
９： ループ：
１０： ｃｏｅｆｆｖａｒｉａｔｉｏｎ＝（ｒａｎｄｏｍ（４）＊ｃｏｅｆｆｗｅｉｇｈｔｓ） ←
分離係数のランダム変数
１１： ｎｅｇａｂｓｋｌ＿１（ｃｏｅｆｆｓ＋ｃｏｅｆｆｖａｒｉａｔｉｏｎ，Ｘ）
←
新たなＫＬＤの演算
１２： ｉｆ ｎｅｇａｂｓｋｌ＿１＜ｎｅｇａｂｓｋｌ＿０ ｔｈｅｎ
１３： ｎｅｇａｂｓｋｌ＿０＝ｎｅｇａｂｓｋｌ＿１
１４： ｃｏｅｆｆｓ＝ｃｏｅｆｆｓ＋ｃｏｅｆｆｖａｒｉａｔｉｏｎ ←
分離係数を更新
アルゴリズム１ 最適化アルゴリズム
１： 手順 分離係数を最適化
２： 初期化
３： Ｘ ←畳み込み混合
４： ｉｎｉｔ＿ｃｏｅｆｆｓ＝［１．０、１．０、１．０、１．０］ ←
分離係数の初期推定
５： ｃｏｅｆｆｗｅｉｇｈｔｓ ←ランダム検索の重み
６： ｃｏｅｆｆ＝ｉｎｉｔ＿ｃｏｅｆｆｓ ←分離係数
７： ｎｅｇａｂｓｋｌ＿０（ｃｏｅｆｆｓ，Ｘ） ←ＫＬＤの演算
８： 最適化ルーチン
９： ループ：
１０： ｃｏｅｆｆｖａｒｉａｔｉｏｎ＝（ｒａｎｄｏｍ（４）＊ｃｏｅｆｆｗｅｉｇｈｔｓ） ←
分離係数のランダム変数
１１： ｎｅｇａｂｓｋｌ＿１（ｃｏｅｆｆｓ＋ｃｏｅｆｆｖａｒｉａｔｉｏｎ，Ｘ）
←
新たなＫＬＤの演算
１２： ｉｆ ｎｅｇａｂｓｋｌ＿１＜ｎｅｇａｂｓｋｌ＿０ ｔｈｅｎ
１３： ｎｅｇａｂｓｋｌ＿０＝ｎｅｇａｂｓｋｌ＿１
１４： ｃｏｅｆｆｓ＝ｃｏｅｆｆｓ＋ｃｏｅｆｆｖａｒｉａｔｉｏｎ ←
分離係数を更新
【0109】
３．実験結果
このセクションでは、本発明者らは、シミュレーションされたルームインパルス応答およびＴＩＭＩＴデータセット［２３］からの異なる音声信号を使用することによって、ＡＩＲＥＳ（ｔｉｍｅ ｄｏｍＡＩｎ ｆＲａｃｔｉｏｎａｌ ｄＥｌａｙ Ｓｅｐａｒａｔｉｏｎ）と呼ばれる提案された時間領域分離方法を評価する。さらに、本発明者らは、現実の部屋環境で現実の記録を行った。本発明者らの提案する手法の性能を評価するために、最先端のＢＳＳアルゴリズム、すなわち時間領域ＴＲＩＮＩＣＯＮ［１１］、周波数領域ＡｕｘＩＶＡ［５］およびＩＬＲＭＡ［６、７］との比較を行った。ＴＲＩＮＩＣＯＮ ＢＳＳの実装は、その著者から受領されている。ＡｕｘＩＶＡおよびＩＬＲＭＡ ＢＳＳの実装は、それぞれ［２４］および［２５］から取得された。実験は、ＣＰＵコアｉ ７第８世代および１６ＧｂのＲＡＭを有するラップトップ上でＭＡＴＬＡＢ Ｒ ２０１７ａを使用して行われた。
このセクションでは、本発明者らは、シミュレーションされたルームインパルス応答およびＴＩＭＩＴデータセット［２３］からの異なる音声信号を使用することによって、ＡＩＲＥＳ（ｔｉｍｅ ｄｏｍＡＩｎ ｆＲａｃｔｉｏｎａｌ ｄＥｌａｙ Ｓｅｐａｒａｔｉｏｎ）と呼ばれる提案された時間領域分離方法を評価する。さらに、本発明者らは、現実の部屋環境で現実の記録を行った。本発明者らの提案する手法の性能を評価するために、最先端のＢＳＳアルゴリズム、すなわち時間領域ＴＲＩＮＩＣＯＮ［１１］、周波数領域ＡｕｘＩＶＡ［５］およびＩＬＲＭＡ［６、７］との比較を行った。ＴＲＩＮＩＣＯＮ ＢＳＳの実装は、その著者から受領されている。ＡｕｘＩＶＡおよびＩＬＲＭＡ ＢＳＳの実装は、それぞれ［２４］および［２５］から取得された。実験は、ＣＰＵコアｉ ７第８世代および１６ＧｂのＲＡＭを有するラップトップ上でＭＡＴＬＡＢ Ｒ ２０１７ａを使用して行われた。
【0110】
３．１．合成ＲＩＲによる分離性能
画像モデル技術［２６、２７］に基づくルームインパルス応答シミュレータを使用して、ルームインパルス応答を生成した。シミュレーション設定のために、部屋のサイズが
であるように選択されている。マイクロフォンは、［３．４７５、２．０、１．５］ｍおよび［３．５２５、２．０、１．５］ｍで部屋の中央に配置され、サンプリング周波数は１６ｋＨｚであった。全ＴＩＭＩＴデータセットから１０対の音声信号をランダムに選択し、模擬ＲＩＲと畳み込んだ。各信号対について、マイクロフォンに対する音源のランダムな角度位置について、４つの異なる距離および３つの残響時間（ＲＴ６０）について、シミュレーションを１６回繰り返した。すべてのシミュレーションで使用された共通のパラメータを表１に示し、設定の視覚化を図１に示す。分離性能の評価は、元の音源が利用可能であるため、信号対歪み比（ＳＤＲ）測定値［２８］および計算時間を計算することによって客観的に行われた。結果を図３に示す。
画像モデル技術［２６、２７］に基づくルームインパルス応答シミュレータを使用して、ルームインパルス応答を生成した。シミュレーション設定のために、部屋のサイズが
【0111】
得られた結果は、０．２秒未満の残響時間に対する本発明者らの手法の良好な性能を示す。ＲＴ６０＝０．０５ｓでは、すべての距離にわたる平均ＳＤＲ測定値は１５．６４ｄＢであり、ＲＴ６０＝０．１ｓでは１０．２４ｄＢである。残響時間ＲＴ６０＝０．２ｓについて、本発明者らの提案するＢＳＳアルゴリズムは、ＴＲＩＮＩＣＯＮ後にＩＬＲＭＡと２位を共有する。すべてのシミュレーションにわたる（本発明者らのコンピュータ上の）平均計算時間を表２に示す。図から分かるように、ＡＩＲＥＳは、計算時間に関してすべての最先端のアルゴリズムよりも優れている。
【0112】
結果を聞くことにより、本発明者らは、約８ｄＢのＳＤＲが良好な発話了解度をもたらし、本発明者らの手法は実際に、不自然なサウンディングアーチファクトを特徴としないことを見出した。
【0113】
【表1】
【0114】
【0115】
【表2】
【0116】
３．２．現実の実験
最後に、提案された音源分離方法を評価するために、現実の実験を行った。実際の記録は、３つの異なる部屋タイプでキャプチャされている。すなわち、小さなアパートの部屋（３ｍ×３ｍ）、オフィスの部屋（７ｍ×５ｍ）、大きな会議室（１５ｍ×４ｍ）である。各部屋のタイプについて、２つのスピーカの１０個のステレオ混合が記録されている。「グランドトゥルース」信号がないため、分離性能を評価するために、分離されたチャネル間の相互情報測度［２９］が計算されている。結果を表３に示す。混合マイクロフォンチャネルの平均相互情報は１．３７であり、分離された信号間の相互情報が低いほど良好な分離であることに留意されたい。
最後に、提案された音源分離方法を評価するために、現実の実験を行った。実際の記録は、３つの異なる部屋タイプでキャプチャされている。すなわち、小さなアパートの部屋（３ｍ×３ｍ）、オフィスの部屋（７ｍ×５ｍ）、大きな会議室（１５ｍ×４ｍ）である。各部屋のタイプについて、２つのスピーカの１０個のステレオ混合が記録されている。「グランドトゥルース」信号がないため、分離性能を評価するために、分離されたチャネル間の相互情報測度［２９］が計算されている。結果を表３に示す。混合マイクロフォンチャネルの平均相互情報は１．３７であり、分離された信号間の相互情報が低いほど良好な分離であることに留意されたい。
【0117】
【表3】
【0118】
比較表３から、実際に記録された畳み込み混合物の分離の性能傾向は、シミュレートされたデータの場合と同じままであったことが分かる。したがって、ＡＩＲＥＳはその単純さにもかかわらず、従来技術のブラインドソース分離アルゴリズムと競合する可能性があると結論付けることができる。
【0119】
４．結論
この論文では、２つのオーディオチャネル間のクロストークを最小限に抑えるために、ＩＩＲ部分遅延フィルタの推定に基づく高速時間領域ブラインド音源分離技術を提示した。部分遅延および減衰係数の推定は、ステレオ畳み込み混合からのソース信号の迅速かつ効果的な分離をもたらすことを示した。このために、負のカルバックライブラー発散から導出された目的関数を導入した。最小化を堅牢かつ高速にするために、本発明者らは、「差分進化」の最適化に類似する新規な「ランダム方向」最適化方法を提示した。提案されたＢＳＳ技術を評価するために、一連の実験を行った。本発明者らは、本発明者らのシステムを、シミュレートされたデータおよび実際の部屋の記録に関する他の最先端の方法と評価および比較した。結果は、本発明者らのシステムが、その単純さにもかかわらず、その分離性能において競争力があるが、はるかに低い計算複雑度を有し、システム遅延がないことを示している。これはまた、リアルタイム最小遅延アプリケーションおよび移動する音源（移動するスピーカなど）に対するオンライン適応を可能にする。これらの特性により、ＡＩＲＥＳは、補聴器または小型テレビ会議装置などの小型デバイス上のリアルタイムアプリケーションによく適している。ＡＩＲＥＳＢＳＳのテストプログラムは、当方のＧｉｔＨｕｂ［３０］で入手可能である。
この論文では、２つのオーディオチャネル間のクロストークを最小限に抑えるために、ＩＩＲ部分遅延フィルタの推定に基づく高速時間領域ブラインド音源分離技術を提示した。部分遅延および減衰係数の推定は、ステレオ畳み込み混合からのソース信号の迅速かつ効果的な分離をもたらすことを示した。このために、負のカルバックライブラー発散から導出された目的関数を導入した。最小化を堅牢かつ高速にするために、本発明者らは、「差分進化」の最適化に類似する新規な「ランダム方向」最適化方法を提示した。提案されたＢＳＳ技術を評価するために、一連の実験を行った。本発明者らは、本発明者らのシステムを、シミュレートされたデータおよび実際の部屋の記録に関する他の最先端の方法と評価および比較した。結果は、本発明者らのシステムが、その単純さにもかかわらず、その分離性能において競争力があるが、はるかに低い計算複雑度を有し、システム遅延がないことを示している。これはまた、リアルタイム最小遅延アプリケーションおよび移動する音源（移動するスピーカなど）に対するオンライン適応を可能にする。これらの特性により、ＡＩＲＥＳは、補聴器または小型テレビ会議装置などの小型デバイス上のリアルタイムアプリケーションによく適している。ＡＩＲＥＳＢＳＳのテストプログラムは、当方のＧｉｔＨｕｂ［３０］で入手可能である。
【0120】
さらなる態様（上記および／または下記の例も参照）
例えば、マルチチャネルまたはステレオオーディオソース分離方法およびその更新方法に関して、さらなる態様がここで説明される。それは（相互情報のような）目的関数を最小化し、例えば、他のチャネルから信号を取得することによってクロストーク低減を使用し、それに減衰係数および（可能な分数）遅延を適用し、それを現在のチャネルから減算する。これは、例えば、遅延および減衰係数を更新するために「ランダムな方向」の方法を使用する。
例えば、マルチチャネルまたはステレオオーディオソース分離方法およびその更新方法に関して、さらなる態様がここで説明される。それは（相互情報のような）目的関数を最小化し、例えば、他のチャネルから信号を取得することによってクロストーク低減を使用し、それに減衰係数および（可能な分数）遅延を適用し、それを現在のチャネルから減算する。これは、例えば、遅延および減衰係数を更新するために「ランダムな方向」の方法を使用する。
【0121】
以下の態様も参照されたい。
１：分離のための係数がランダム更新ベクトルを追加することによって反復的に更新され、この更新が改善された分離をもたらす場合、次の反復のためにこの更新を維持する、マルチチャネルまたはステレオソース分離方法；そうでなければ廃棄する。
２：各係数のランダム更新に適した固定分散を有する態様１に記載の方法。
３：更新がライブオーディオストリーム上で行われ、更新が過去のオーディオサンプルに基づく、態様１または２に記載の方法。
４：更新の分散が経時的にゆっくりと減少する、態様１、２または３に記載の方法。
１：分離のための係数がランダム更新ベクトルを追加することによって反復的に更新され、この更新が改善された分離をもたらす場合、次の反復のためにこの更新を維持する、マルチチャネルまたはステレオソース分離方法；そうでなければ廃棄する。
２：各係数のランダム更新に適した固定分散を有する態様１に記載の方法。
３：更新がライブオーディオストリーム上で行われ、更新が過去のオーディオサンプルに基づく、態様１または２に記載の方法。
４：更新の分散が経時的にゆっくりと減少する、態様１、２または３に記載の方法。
【0122】
他の態様は、
１）多次元入力ベクトルｘを用いて目的関数を最小化するパラメータのオンライン最適化の方法であって、まず所与の近傍空間からテストベクトルを決定し、次いで探索ベクトルを用いて以前の最良ベクトルを更新し、目的関数のそのような取得された値が新しい最良値になる場合、この更新されたベクトルは新しい最良値になり、そうでなければ破棄される、方法。
１）多次元入力ベクトルｘを用いて目的関数を最小化するパラメータのオンライン最適化の方法であって、まず所与の近傍空間からテストベクトルを決定し、次いで探索ベクトルを用いて以前の最良ベクトルを更新し、目的関数のそのような取得された値が新しい最良値になる場合、この更新されたベクトルは新しい最良値になり、そうでなければ破棄される、方法。
【0123】
２）Ｎ個のチャネルのオーディオストリーム内のＮ個のソースを分離するタスクに適用され、係数ベクトルは、不要なソースをキャンセルするために必要な遅延および減衰値からなる、態様１に記載の方法。
３）１つまたは複数のサイトで２人以上の話者がいるテレビ会議のタスクに適用される、態様２に記載の方法。
４）オーディオソースをオーディオエンコーダで符号化する前にオーディオソースを分離するタスクに適用される、態様２に記載の方法。
５）音楽または雑音源から音声源を分離するタスクに適用される、態様２に記載の方法。
３）１つまたは複数のサイトで２人以上の話者がいるテレビ会議のタスクに適用される、態様２に記載の方法。
４）オーディオソースをオーディオエンコーダで符号化する前にオーディオソースを分離するタスクに適用される、態様２に記載の方法。
５）音楽または雑音源から音声源を分離するタスクに適用される、態様２に記載の方法。
【0124】
さらなる態様
さらなる態様がここで論じられる。
導入ステレオ分離
目標は、複数のマイクロフォンで音源を分離することである（ここでは２）。異なるマイクロフォンは、異なる振幅および遅延で音を拾う。以下の考察では、Ｐｙｔｈｏｎにおけるプログラミング例を考慮する。これは、理解を容易にするため、アルゴリズムが機能するかどうかおよびどのように機能するかを試験するため、および結果の再現性のため、アルゴリズムを試験可能にし、他の研究者にとって有用にするためである。
さらなる態様がここで論じられる。
導入ステレオ分離
目標は、複数のマイクロフォンで音源を分離することである（ここでは２）。異なるマイクロフォンは、異なる振幅および遅延で音を拾う。以下の考察では、Ｐｙｔｈｏｎにおけるプログラミング例を考慮する。これは、理解を容易にするため、アルゴリズムが機能するかどうかおよびどのように機能するかを試験するため、および結果の再現性のため、アルゴリズムを試験可能にし、他の研究者にとって有用にするためである。
【0125】
その他の態様
以下、他の態様について説明する。それらは必ずしも互いに境界付けられているわけではなく、新しい実施形態を作成するために組み合わせることができる。各箇条書きは、他のものから独立していてもよく、単独で、または他の特徴（例えば、他の箇条書き）、または上記もしくは下記で論じられる他の特徴と組み合わせて、上記および／または下記の例の少なくともいくつか、および／または特許請求の範囲に開示される特徴のいくつかを補完またはさらに指定してもよい。
以下、他の態様について説明する。それらは必ずしも互いに境界付けられているわけではなく、新しい実施形態を作成するために組み合わせることができる。各箇条書きは、他のものから独立していてもよく、単独で、または他の特徴（例えば、他の箇条書き）、または上記もしくは下記で論じられる他の特徴と組み合わせて、上記および／または下記の例の少なくともいくつか、および／または特許請求の範囲に開示される特徴のいくつかを補完またはさらに指定してもよい。
【0126】
空間知覚
耳は、音の特殊な方向を推定するために主に２つの効果を使用する。
両耳間レベル差（ＩＬＤ）
両耳間時間差（ＩＴＤ）
スタジオ録音からの音楽は、主に「パンニング」と呼ばれるレベル差（時間差なし）のみを使用する。
例えばステレオウェブカメラからのステレオマイクロフォンからの信号は、主に時間差を示し、あまりレベル差を示さない。
ステレオマイクロフォンを用いたステレオ録音
時間差を有するステレオマイクロフォンを用いた設定。
観測：有限の音速および減衰からの音遅延の影響は、遅延を伴う混合行列によって記述することができる。
図２ａ：ステレオ遠隔会議設定を参照されたい。マイクロフォン間の信号遅延を観察する。
耳は、音の特殊な方向を推定するために主に２つの効果を使用する。
両耳間レベル差（ＩＬＤ）
両耳間時間差（ＩＴＤ）
スタジオ録音からの音楽は、主に「パンニング」と呼ばれるレベル差（時間差なし）のみを使用する。
例えばステレオウェブカメラからのステレオマイクロフォンからの信号は、主に時間差を示し、あまりレベル差を示さない。
ステレオマイクロフォンを用いたステレオ録音
時間差を有するステレオマイクロフォンを用いた設定。
観測：有限の音速および減衰からの音遅延の影響は、遅延を伴う混合行列によって記述することができる。
図２ａ：ステレオ遠隔会議設定を参照されたい。マイクロフォン間の信号遅延を観察する。
【0127】
ステレオ分離、ＩＬＤ
－時間差がない場合（パンニングのみ）の方が簡単である
－通常、独立成分分析を使用する
－それは、統計的に独立した信号を生成する「非混合」行列を計算する。
－２つの信号ＸおよびＹのジョイントエントロピーがＨ（Ｘ、Ｙ）であることを想起されたい
－条件付きエントロピーはＨ（Ｘ｜Ｙ）である
－統計的に独立とは、Ｈ（Ｘ｜Ｙ）＝Ｈ（Ｘ）、Ｈ（Ｘ、Ｙ）＝Ｈ（Ｘ）＋Ｈ（Ｙ）も意味する
－相互情報：Ｉ（Ｘ、Ｙ）＝Ｈ（Ｘ、Ｙ）－Ｈ（Ｘ｜Ｙ）－Ｈ（Ｙ｜Ｘ）≧０、
独立のために、それは０になる
－一般に、最適化はこの相互情報を最小化する。
ＩＴＤ事前手法
－時間差があるＩＴＤの場合は、解決がより困難である
－「最小分散原理」は、マイクロフォンアレイからのノイズを抑制しようとする
－マイクロフォンチャネルの相関行列を推定し、原理成分分析（ＰＣＡ）またはカルハウネン－レーベ変換（ＫＬＴ）を適用する。
－これにより、得られたチャネルが脱相関する。
－最も低い固有値を有するチャネルはノイズであると仮定され、０に設定される
－時間差がない場合（パンニングのみ）の方が簡単である
－通常、独立成分分析を使用する
－それは、統計的に独立した信号を生成する「非混合」行列を計算する。
－２つの信号ＸおよびＹのジョイントエントロピーがＨ（Ｘ、Ｙ）であることを想起されたい
－条件付きエントロピーはＨ（Ｘ｜Ｙ）である
－統計的に独立とは、Ｈ（Ｘ｜Ｙ）＝Ｈ（Ｘ）、Ｈ（Ｘ、Ｙ）＝Ｈ（Ｘ）＋Ｈ（Ｙ）も意味する
－相互情報：Ｉ（Ｘ、Ｙ）＝Ｈ（Ｘ、Ｙ）－Ｈ（Ｘ｜Ｙ）－Ｈ（Ｙ｜Ｘ）≧０、
独立のために、それは０になる
－一般に、最適化はこの相互情報を最小化する。
ＩＴＤ事前手法
－時間差があるＩＴＤの場合は、解決がより困難である
－「最小分散原理」は、マイクロフォンアレイからのノイズを抑制しようとする
－マイクロフォンチャネルの相関行列を推定し、原理成分分析（ＰＣＡ）またはカルハウネン－レーベ変換（ＫＬＴ）を適用する。
－これにより、得られたチャネルが脱相関する。
－最も低い固有値を有するチャネルはノイズであると仮定され、０に設定される
【0128】
ＩＴＤ前手法例
－我々のステレオの場合、２つのチャネルしか得られず、より大きな固有値およびより小さな固有値で信号を計算および再生する：ｐｙｔｈｏｎ ＫＬＴ＿ｓｅｐａｒａｔｉｏｎ．ｐｙ
観測：より大きな固有値を有するチャネルは、より低い周波数、他の（より弱い）より高い周波数を有するようであり、これらはしばしば単なるノイズである。
ＩＴＤ、新たなアプローチ
理想：非混合行列は、混合行列を反転させるために、非混合のための信号遅延を必要とする
重要な単純化：２つの音源のそれぞれについて、マイクロフォン間の単一の信号遅延経路のみを仮定する。
実際には、部屋の反射から複数の遅延があるが、通常は直接経路よりもはるかに弱い。
－我々のステレオの場合、２つのチャネルしか得られず、より大きな固有値およびより小さな固有値で信号を計算および再生する：ｐｙｔｈｏｎ ＫＬＴ＿ｓｅｐａｒａｔｉｏｎ．ｐｙ
観測：より大きな固有値を有するチャネルは、より低い周波数、他の（より弱い）より高い周波数を有するようであり、これらはしばしば単なるノイズである。
ＩＴＤ、新たなアプローチ
理想：非混合行列は、混合行列を反転させるために、非混合のための信号遅延を必要とする
重要な単純化：２つの音源のそれぞれについて、マイクロフォン間の単一の信号遅延経路のみを仮定する。
実際には、部屋の反射から複数の遅延があるが、通常は直接経路よりもはるかに弱い。
【0129】
立体分離、ＩＴＤ、新しいアプローチ
減衰ａを有する混合行列、およびｄの遅延、サンプルを仮定する。ｚ変換領域では、ｄサンプルによる遅延はｚ－ｄの係数で表される（遅延は小数サンプルであり得ることを観察されたい）。
したがって、非混合行列はその逆である。
減衰ａを有する混合行列、およびｄの遅延、サンプルを仮定する。ｚ変換領域では、ｄサンプルによる遅延はｚ－ｄの係数で表される（遅延は小数サンプルであり得ることを観察されたい）。
【0130】
【0131】
係数計算
係数ａ、およびｄは、最適化によって得られる必要がある。係数を見つけるために、結果として生じる信号の相互情報の最小化を再び使用することができる。相互情報のためには、結合エントロピーが必要である。Ｐｙｔｈｏｎでは、ｎｕｍｐｙ．ｈｉｓｔｏｇｒａｍ２ｄを使用して２次元確率密度関数からそれを計算することができ、これをｈｉｓｔ２ｄ、ｘｅｄｇｅｓ、ｙｅｄｇｅｓ＝ｎｐ．ｈｉｓｔｏｇｒａｍ２ｄ（ｘ［：、０］、ｘ［：、１］、ｂｉｎｓ＝１００）と呼ぶ。
係数ａ、およびｄは、最適化によって得られる必要がある。係数を見つけるために、結果として生じる信号の相互情報の最小化を再び使用することができる。相互情報のためには、結合エントロピーが必要である。Ｐｙｔｈｏｎでは、ｎｕｍｐｙ．ｈｉｓｔｏｇｒａｍ２ｄを使用して２次元確率密度関数からそれを計算することができ、これをｈｉｓｔ２ｄ、ｘｅｄｇｅｓ、ｙｅｄｇｅｓ＝ｎｐ．ｈｉｓｔｏｇｒａｍ２ｄ（ｘ［：、０］、ｘ［：、１］、ｂｉｎｓ＝１００）と呼ぶ。
【0132】
目的関数の最適化
我々の目的関数は、いくつかの最小値を有し得ることに留意されたい！これは、その開始点が大域的最小値に十分に近くない場合、凸最適化を使用できないことを意味する。
したがって、非凸最適化を使用する必要があり、Ｐｙｔｈｏｎは非常に強力な非凸最適化方法を有する。
我々の目的関数は、いくつかの最小値を有し得ることに留意されたい！これは、その開始点が大域的最小値に十分に近くない場合、凸最適化を使用できないことを意味する。
したがって、非凸最適化を使用する必要があり、Ｐｙｔｈｏｎは非常に強力な非凸最適化方法を有する。
【0133】
ｓｃｉｐｙ．ｏｐｔｉｍｉｚｅ．ｄｉｆｆｅｒｅｎｔｉａｌ＿ｅｖｏｌｕｔｉｏｎ。発明者らは、ｃｏｅｆｆｓ＿ｍｉｎｉｍｉｚｅｄ＝ｏｐｔ．ｄｉｆｆｅｒｅｎｔｉａｌ＿ｅｖｏｌｕｔｉｏｎ（ｍｕｔｕａｌｉｎｆｏｃｏｅｆｆｓ、ｂｏｕｎｄｓ、ａｒｇｓ＝（Ｘ、）、ｔｏｌ＝１ｅ－４、ｄｉｓｐ＝Ｔｒｕｅ）と呼ぶ。
【0134】
代替目的関数
しかし、これは計算が複雑である。したがって、同じ最小値を有する別の目的関数を探す。カルバックライブラーおよびＩｔａｋｕｒａ－Ｓａｉｔｏ発散を考慮する
２つの確率分布ＰおよびＱのカルバックライブラー発散は、以下のように定義される。
しかし、これは計算が複雑である。したがって、同じ最小値を有する別の目的関数を探す。カルバックライブラーおよびＩｔａｋｕｒａ－Ｓａｉｔｏ発散を考慮する
２つの確率分布ＰおよびＱのカルバックライブラー発散は、以下のように定義される。
【0135】
ｉは、（離散的な）分布上を走る。ヒストグラムの計算を回避するために、本発明者らは、単に時間領域サンプルの正規化された大きさを確率分布として錯覚として扱う。これらは非類似性尺度であるため、最大化する必要があり、したがって負の値を最小化する必要がある。
カルバックライブラー Ｐｙｔｈｏｎ関数
Ｐｙｔｈｏｎでは、この目的関数は、
ｄｅｆ ｍｉｎａｂｓｋｌｃｏｅｆｆｓ（ｃｏｅｆｆｓ、Ｘ）：
＃チャネルの正規化された大きさを計算し、次いで、
＃ｔｈｅ Ｋｕｌｌｂａｃｋ－Ｌｅｉｂｌｅｒ ｄｉｖｅｒｇｅｎｃｅ
Ｘ＿ｐｒｉｍｅ＝ｕｎｍｉｘｉｎｇ（ｃｏｅｆｆｓ、Ｘ）
Ｘ＿ａｂｓ＝ｎｐ．ａｂｓ（Ｘ＿ｐｒｉｍｅ）
＃ｓｕｍ（）＝１に正規化して、それを確率のように見せる。
Ｘ＿ａｂｓ［：、０］＝Ｘ＿ａｂｓ［：、０］／ｎｐ．ｓｕｍ（Ｘ＿ａｂｓ［：、０］
Ｘ＿ａｂｓ［：、１］＝Ｘ＿ａｂｓ［：、１］／ｎｐ．ｓｕｍ（Ｘ＿ａｂｓ［：、１］）
＃ｐｒｉｎｔ（“Ｋｕｌｌｂａｃｋ－Ｌｅｉｂｌｅｒ Ｄｉｖｅｒｇｅｎｃｅ ｃａｌｃｕｌａｔｉｏｎ”）
ａｂｓｋｌ＝ｎｐ．ｓｕｍ（Ｘ＿ａｂｓ［：、０］＊ ｎｐ．ｌｏｇ（（Ｘ＿ａｂｓ［：、０］＋１ｅ－６）／（Ｘ＿ａｂｓ［：、１］＋１ｅ－６））
→）
戻り－ａｂｓｋｌ
（ここで、ｍｉｎａｂｓｋｌｃｏｅｆｆｓは、アルゴリズム１のｍｉｎａｂｓｋ＿ｉに対応する）
目的機能の比較
遅延係数のうちの１つを除く係数を固定して、プロット内の目的関数を比較する。
カルバックライブラー Ｐｙｔｈｏｎ関数
Ｐｙｔｈｏｎでは、この目的関数は、
ｄｅｆ ｍｉｎａｂｓｋｌｃｏｅｆｆｓ（ｃｏｅｆｆｓ、Ｘ）：
＃チャネルの正規化された大きさを計算し、次いで、
＃ｔｈｅ Ｋｕｌｌｂａｃｋ－Ｌｅｉｂｌｅｒ ｄｉｖｅｒｇｅｎｃｅ
Ｘ＿ｐｒｉｍｅ＝ｕｎｍｉｘｉｎｇ（ｃｏｅｆｆｓ、Ｘ）
Ｘ＿ａｂｓ＝ｎｐ．ａｂｓ（Ｘ＿ｐｒｉｍｅ）
＃ｓｕｍ（）＝１に正規化して、それを確率のように見せる。
Ｘ＿ａｂｓ［：、０］＝Ｘ＿ａｂｓ［：、０］／ｎｐ．ｓｕｍ（Ｘ＿ａｂｓ［：、０］
Ｘ＿ａｂｓ［：、１］＝Ｘ＿ａｂｓ［：、１］／ｎｐ．ｓｕｍ（Ｘ＿ａｂｓ［：、１］）
＃ｐｒｉｎｔ（“Ｋｕｌｌｂａｃｋ－Ｌｅｉｂｌｅｒ Ｄｉｖｅｒｇｅｎｃｅ ｃａｌｃｕｌａｔｉｏｎ”）
ａｂｓｋｌ＝ｎｐ．ｓｕｍ（Ｘ＿ａｂｓ［：、０］＊ ｎｐ．ｌｏｇ（（Ｘ＿ａｂｓ［：、０］＋１ｅ－６）／（Ｘ＿ａｂｓ［：、１］＋１ｅ－６））
→）
戻り－ａｂｓｋｌ
（ここで、ｍｉｎａｂｓｋｌｃｏｅｆｆｓは、アルゴリズム１のｍｉｎａｂｓｋ＿ｉに対応する）
目的機能の比較
遅延係数のうちの１つを除く係数を固定して、プロット内の目的関数を比較する。
【0136】
図６ａは、例示的な信号および例示的な係数の目的関数を示す。関数が実際に同じ最小値を有することに留意されたい！「ａｂｓｋｌ」は、信号の絶対値におけるカルバックライブラーであり、最も滑らかである。
【0137】
最適化例
相互情報を用いた最適化：ｐｙｔｈｏｎ
ＩＣＡｍｕｔｕａｌｉｎｆｏ＿ｐｕｒｅｄｅｌａｙ．ｐｙ
（これには約１２１より遅い反復が必要である）
－カルバックライブラーを使用した最適化：ｐｙｔｈｏｎ ＩＣＡａｂｓｋｌ＿ｐｕｒｅｄｅｌａｙ．ｐｙ
（これには約３９より速い反復が必要である）
得られた信号を聞くと、以前はそうではなかった明瞭さのために十分に分離されていることが確認される。
相互情報を用いた最適化：ｐｙｔｈｏｎ
ＩＣＡｍｕｔｕａｌｉｎｆｏ＿ｐｕｒｅｄｅｌａｙ．ｐｙ
（これには約１２１より遅い反復が必要である）
－カルバックライブラーを使用した最適化：ｐｙｔｈｏｎ ＩＣＡａｂｓｋｌ＿ｐｕｒｅｄｅｌａｙ．ｐｙ
（これには約３９より速い反復が必要である）
得られた信号を聞くと、以前はそうではなかった明瞭さのために十分に分離されていることが確認される。
【0138】
さらなる高速化最適化
最適化をさらにスピードアップするために、凸最適化を可能にする必要がある。そのためには、（最良の場合には）１つの最小値のみを有する目的関数を有する必要がある。より小さい極小値の多くは、信号の高周波成分が急速に変化することに起因する。アプローチ：本発明者らは、本発明者らの信号の低域通過およびダウンサンプリングバージョンに基づいて目的関数を計算する（これはまた、目的関数の計算をさらに高速化する）。ローパスは、極小値を除去するのに十分に狭いが、依然として十分に正確な係数を得るのに十分に広い必要がある。
最適化をさらにスピードアップするために、凸最適化を可能にする必要がある。そのためには、（最良の場合には）１つの最小値のみを有する目的関数を有する必要がある。より小さい極小値の多くは、信号の高周波成分が急速に変化することに起因する。アプローチ：本発明者らは、本発明者らの信号の低域通過およびダウンサンプリングバージョンに基づいて目的関数を計算する（これはまた、目的関数の計算をさらに高速化する）。ローパスは、極小値を除去するのに十分に狭いが、依然として十分に正確な係数を得るのに十分に広い必要がある。
【0139】
さらなる高速化最適化、低域通過
ダウンサンプリング係数８、したがって全帯域の１／８のローパスを選択する。全帯域の約１／８（ナイキスト周波数の１／８）の帯域幅を有する以下のローパスフィルタを使用する。
図６ｂ：使用されたローパスフィルタ、振幅周波数応答。ｘ軸は正規化周波数であり、２πはサンプリング周波数である。
ダウンサンプリング係数８、したがって全帯域の１／８のローパスを選択する。全帯域の約１／８（ナイキスト周波数の１／８）の帯域幅を有する以下のローパスフィルタを使用する。
図６ｂ：使用されたローパスフィルタ、振幅周波数応答。ｘ軸は正規化周波数であり、２πはサンプリング周波数である。
【0140】
低域通過からの目的関数
ここでも、目的関数をプロットして比較することができる。
図６ｃ：ローパスフィルタリングされた例示的な信号および例示的な係数の目的関数を示す図である。ここで、関数は実際には主に１つの最小値を有することに留意されたい！
「ａｂｓｋｌ」は、やはり最も滑らかである（小さな極小値はない）。
さらなる高速化の最適化、実施例
ここで、凸最適化、例えば共役勾配の方法を試すことができる。
－Ｐｙｔｈｏｎ ＩＣＡａｂｓｋｌ＿ｐｕｒｅｄｅｌａｙ＿ｌｏｗｐａｓｓ．ｐｙ
－観測：最適化がほぼ瞬時に成功した！
－結果として生じる分離は、以前と同じ品質を有する。
ここでも、目的関数をプロットして比較することができる。
図６ｃ：ローパスフィルタリングされた例示的な信号および例示的な係数の目的関数を示す図である。ここで、関数は実際には主に１つの最小値を有することに留意されたい！
「ａｂｓｋｌ」は、やはり最も滑らかである（小さな極小値はない）。
さらなる高速化の最適化、実施例
ここで、凸最適化、例えば共役勾配の方法を試すことができる。
－Ｐｙｔｈｏｎ ＩＣＡａｂｓｋｌ＿ｐｕｒｅｄｅｌａｙ＿ｌｏｗｐａｓｓ．ｐｙ
－観測：最適化がほぼ瞬時に成功した！
－結果として生じる分離は、以前と同じ品質を有する。
【0141】
その他の説明
上記では、異なる本発明の実施例および態様が記載されている。また、さらなる例は、添付の特許請求の範囲によって定義される（例は特許請求の範囲にもある）。特許請求の範囲によって定義される任意の例は、前のページで説明した詳細（特徴および機能）のいずれかによって補足することができることに留意されたい。また、上述した例は、個別に使用することができ、別の章の特徴のいずれか、または特許請求の範囲に含まれる任意の特徴によって補足することもできる。
上記では、異なる本発明の実施例および態様が記載されている。また、さらなる例は、添付の特許請求の範囲によって定義される（例は特許請求の範囲にもある）。特許請求の範囲によって定義される任意の例は、前のページで説明した詳細（特徴および機能）のいずれかによって補足することができることに留意されたい。また、上述した例は、個別に使用することができ、別の章の特徴のいずれか、または特許請求の範囲に含まれる任意の特徴によって補足することもできる。
【0142】
丸括弧および角括弧内のテキストは任意選択であり、さらなる実施形態（さらに特許請求の範囲によって定義されるもの）を定義する。また、本明細書に記載の個々の態様は、個別にまたは組み合わせて使用することができることに留意されたい。したがって、詳細は、前記態様の別の１つに詳細を追加することなく、前記個々の態様の各々に追加することができる。
本開示は、移動通信デバイスおよび移動通信システムの受信機の特徴を明示的または暗黙的に記述することにも留意されたい。
本開示は、移動通信デバイスおよび移動通信システムの受信機の特徴を明示的または暗黙的に記述することにも留意されたい。
【0143】
特定の実装要件に応じて、例はハードウェアで実装されてもよい。実施態様は、それぞれの方法が実行されるようにプログラマブルコンピュータシステムと協働する（または協働することができる）、電子的に読み取り可能な制御信号が記憶されたデジタル記憶媒体、例えばフロッピーディスク、デジタル多用途ディスク（ＤＶＤ）、ブルーレイディスク、コンパクトディスク（ＣＤ）、読み出し専用メモリ（ＲＯＭ）、プログラマブル読み出し専用メモリ（ＰＲＯＭ）、消去可能およびプログラマブル読み出し専用メモリ（ＥＰＲＯＭ）、電気的消去可能プログラマブル読み出し専用メモリ（ＥＥＰＲＯＭ）またはフラッシュメモリを使用して実行されてもよい。したがって、デジタル記憶媒体はコンピュータ可読であってもよい。
【0144】
一般に、例は、プログラム命令を有するコンピュータプログラム製品として実装されてもよく、プログラム命令は、コンピュータプログラム製品がコンピュータ上で実行されるときに方法のうちの１つを実行するように動作する。プログラム命令は、例えば、機械可読媒体に記憶されてもよい。
【0145】
他の例は、機械可読キャリアに格納された、本明細書に記載の方法の１つを実行するためのコンピュータプログラムを含む。言い換えれば、したがって、方法の一例は、コンピュータプログラムがコンピュータ上で実行されるときに、本明細書に記載の方法のうちの１つを実行するためのプログラム命令を有するコンピュータプログラムである。
【0146】
したがって、方法のさらなる例は、本明細書に記載の方法の１つを実行するためのコンピュータプログラムを記録して含むデータキャリア媒体（またはデジタル記憶媒体、またはコンピュータ可読媒体）である。データキャリア媒体、デジタル記憶媒体、または記録媒体は、無形で一時的な信号ではなく、有形および／または非一時的である。
さらなる例は、処理ユニット、例えばコンピュータ、または本明細書に記載の方法のうちの１つを実行するプログラマブル論理デバイスを含む。
さらなる例は、本明細書に記載の方法のうちの１つを実行するためのコンピュータプログラムをインストールしたコンピュータを含む。
さらなる例は、処理ユニット、例えばコンピュータ、または本明細書に記載の方法のうちの１つを実行するプログラマブル論理デバイスを含む。
さらなる例は、本明細書に記載の方法のうちの１つを実行するためのコンピュータプログラムをインストールしたコンピュータを含む。
【0147】
さらなる例は、本明細書に記載された方法のうちの１つを実行するためのコンピュータプログラムを受信機へ転送する（例えば、電子的または光学的に）装置またはシステムを備える。受信機は、例えば、コンピュータ、モバイルデバイス、メモリデバイスなどであってもよい。装置またはシステムは、例えば、コンピュータプログラムを受信機に転送するためのファイルサーバを備えることができる。
【0148】
いくつかの例では、プログラマブル・ロジック・デバイス（例えば、フィールド・プログラマブル・ゲート・アレイ）を使用して、本明細書に記載の方法の機能の一部またはすべてを実行することができる。いくつかの例では、フィールド・プログラマブル・ゲート・アレイは、本明細書に記載の方法のうちの１つを実行するためにマイクロプロセッサと協働することができる。一般に、方法は、任意の適切なハードウェア装置によって実行されてもよい。
【0149】
上述の例は、上述の原理の例示である。本明細書に記載の構成および詳細の修正および変形は明らかであることが理解される。したがって、本明細書の実施例の説明および説明として提示される特定の詳細によってではなく、添付の特許請求の範囲によって限定されることが意図される。
【0150】
参考文献
［１］ Ａ．Ｈｙｖａｒｉｎｅｎ，Ｊ．Ｋａｒｈｕｎｅｎ，ａｎｄ Ｅ．Ｏｊａ，“Ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ．” Ｊｏｈｎ Ｗｉｌｅｙ＆Ｓｏｎｓ，２００１．
［１］ Ａ．Ｈｙｖａｒｉｎｅｎ，Ｊ．Ｋａｒｈｕｎｅｎ，ａｎｄ Ｅ．Ｏｊａ，“Ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ．” Ｊｏｈｎ Ｗｉｌｅｙ＆Ｓｏｎｓ，２００１．
【0151】
［２］ Ｇ．Ｅｖａｎｇｅｌｉｓｔａ，Ｓ．Ｍａｒｃｈａｎｄ，Ｍ．Ｄ．Ｐｌｕｍｂｌｅｙ，ａｎｄ Ｅ．Ｖｉｎｃｅｎｔ，“Ｓｏｕｎｄ ｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ，” ｉｎ ＤＡＦＸ：Ｄｉｇｉｔａｌ Ａｕｄｉｏ Ｅｆｆｅｃｔｓ，ｓｅｃｏｎｄ ｅｄｉｔｉｏｎ ｅｄ．Ｊｏｈｎ Ｗｉｌｅｙ ａｎｄ Ｓｏｎｓ，２０１１．
【0152】
［３］ Ｊ．Ｔａｒｉｑｕｌｌａｈ，Ｗ．Ｗａｎｇ，ａｎｄ Ｄ．Ｗａｎｇ，“Ａ ｍｕｌｔｉｓｔａｇｅ ａｐｐｒｏａｃｈ ｔｏ ｂｌｉｎｄ ｓｅｐａｒａｔｉｏｎ ｏｆ ｃｏｎｖｏｌｕｔｉｖｅ ｓｐｅｅｃｈ ｍｉｘｔｕｒｅｓ，” ｉｎ Ｓｐｅｅｃｈ Ｃｏｍｍｕｎｉｃａｔｉｏｎ，２０１１，ｖｏｌ．５３，ｐｐ．５２４－５３９．
【0153】
［４］ Ｊ．Ｂｅｎｅｓｔｙ，Ｊ．Ｃｈｅｎ，ａｎｄ Ｅ．Ａ．Ｈａｂｅｔｓ，“Ｓｐｅｅｃｈ ｅｎｈａｎｃｅｍｅｎｔ ｉｎ ｔｈｅ ＳＴＦＴ ｄｏｍａｉｎ，” ｉｎ Ｓｐｒｉｎｇｅｒ，２０１２．
【0154】
［５］ Ｊ．Ｊａｎｓｋｙ，Ｚ．Ｋｏｌｄｏｖｓｋｙ，ａｎｄ Ｎ．Ｏｎｏ，“Ａ ｃｏｍｐｕｔａｔｉｏｎａｌｌｙ ｃｈｅａｐｅｒ ｍｅｔｈｏｄ ｆｏｒ ｂｌｉｎｄ ｓｐｅｅｃｈ ｓｅｐａｒａｔｉｏｎ ｂａｓｅｄ ｏｎ ａｕｘｉｖａ ａｎｄ ｉｎｃｏｍｐｌｅｔｅ ｄｅｍｉｘｉｎｇ ｔｒａｎｓｆｏｒｍ，” ｉｎ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒｋｓｈｏｐ ｏｎ Ａｃｏｕｓｔｉｃ Ｓｉｇｎａｌ Ｅｎｈａｎｃｅｍｅｎｔ（ＩＷＡＥＮＣ），Ｘｉ’ａｎ，Ｃｈｉｎａ，２０１６．
【0155】
［６］ Ｄ．Ｋｉｔａｍｕｒａ，Ｎ．Ｏｎｏ，Ｈ．Ｓａｗａｄａ，Ｈ．Ｋａｍｅｏｋａ，ａｎｄ Ｈ．Ｓａｒｕｗａｔａｒｉ，“Ｄｅｔｅｒｍｉｎｅｄ ｂｌｉｎｄ ｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ ｕｎｉｆｙｉｎｇ ｉｎｄｅｐｅｎｄｅｎｔ ｖｅｃｔｏｒ ａｎａｌｙｓｉｓ ａｎｄ ｎｏｎｎｅｇａｔｉｖｅ ｍａｔｒｉｘ ｆａｃｔｏｒｉｚａｔｉｏｎ，” ｉｎ ＩＥＥＥ／ＡＣＭ Ｔｒａｎｓ．ＡＳＬＰ，ｖｏｌ．２４，ｎｏ．９，２０１６，ｐｐ．１６２６－１６４１．
【0156】
［７］ “Ｄｅｔｅｒｍｉｎｅｄ ｂｌｉｎｄ ｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ ｗｉｔｈ ｉｎｄｅｐｅｎｄｅｎｔ ｌｏｗ－ｒａｎｋ ｍａｔｒｉｘ ａｎａｌｙｓｉｓ，” ｉｎ Ｓｐｒｉｎｇｅｒ，２０１８，ｐ．３１．
【0157】
［８］ Ｈ．－Ｃ．Ｗｕ ａｎｄ Ｊ．Ｃ．Ｐｒｉｎｃｉｐｅ，“Ｓｉｍｕｌｔａｎｅｏｕｓ ｄｉａｇｏｎａｌｉｚａｔｉｏｎ ｉｎ ｔｈｅ ｆｒｅｑｕｅｎｃｙ ｄｏｍａｉｎ（ｓｄｉｆ）ｆｏｒ ｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ，” ｉｎ Ｐｒｏｃ．ＩＣＡ，１９９９，ｐｐ．２４５－２５０．
【0158】
［９］ Ｈ．Ｓａｗａｄａ，Ｎ．Ｏｎｏ，Ｈ．Ｋａｍｅｏｋａ，ａｎｄ Ｄ．Ｋｉｔａｍｕｒａ，“Ｂｌｉｎｄ ａｕｄｉｏ ｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ ｏｎ ｔｅｎｓｏｒ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ，” ｉｎ ＩＣＡＳＳＰ，Ａｐｒ．２０１８．
【0159】
［１０］ Ｊ．Ｈａｒｒｉｓ，Ｓ．Ｍ．Ｎａｑｖｉ，Ｊ．Ａ．Ｃｈａｍｂｅｒｓ，ａｎｄ Ｃ．Ｊｕｔｔｅｎ，“Ｒｅａｌｔｉｍｅ ｉｎｄｅｐｅｎｄｅｎｔ ｖｅｃｔｏｒ ａｎａｌｙｓｉｓ ｗｉｔｈ ｓｔｕｄｅｎｔ’ｓ ｔ ｓｏｕｒｃｅ ｐｒｉｏｒ ｆｏｒ ｃｏｎｖｏｌｕｔｉｖｅ ｓｐｅｅｃｈ ｍｉｘｔｕｒｅｓ，” ｉｎ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ，ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，ＩＣＡＳＳＰ，Ａｐｒ．２０１５．
【0160】
［１１］ Ｈ．Ｂｕｃｈｎｅｒ，Ｒ．Ａｉｃｈｎｅｒ，ａｎｄＷ．Ｋｅｌｌｅｒｍａｎｎ，“Ｔｒｉｎｉｃｏｎ：Ａ ｖｅｒｓａｔｉｌｅ ｆｒａｍｅｗｏｒｋ ｆｏｒ ｍｕｌｔｉｃｈａｎｎｅｌ ｂｌｉｎｄ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ，” ｉｎ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ，ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｍｏｎｔｒｅａｌ，Ｑｕｅ．，Ｃａｎａｄａ，２００４．
【0161】
［１２］ Ｊ．Ｃｈｕａ，Ｇ．Ｗａｎｇ，ａｎｄＷ．Ｂ．Ｋｌｅｉｊｎ，“Ｃｏｎｖｏｌｕｔｉｖｅ ｂｌｉｎｄ ｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ ｗｉｔｈ ｌｏｗ ｌａｔｅｎｃｙ，” ｉｎ Ａｃｏｕｓｔｉｃ Ｓｉｇｎａｌ Ｅｎｈａｎｃｅｍｅｎｔ（ＩＷＡＥＮＣ），ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒｋｓｈｏｐ，２０１６，ｐｐ．１－５．
【0162】
［１３］ Ｗ．Ｋｌｅｉｊｎ ａｎｄ Ｋ．Ｃｈｕａ，“Ｎｏｎ－ｉｔｅｒａｔｉｖｅ ｉｍｐｕｌｓｅ ｒｅｓｐｏｎｓｅ ｓｈｏｒｔｅｎｉｎｇ ｍｅｔｈｏｄ ｆｏｒ ｓｙｓｔｅｍ ｌａｔｅｎｃｙ ｒｅｄｕｃｔｉｏｎ，” ｉｎ Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ（ＩＣＡＳＳＰ），２０１７，ｐｐ．５８１－５８５．
【0163】
［１４］ Ｉ．Ｓｅｎｅｓｎｉｃｋ，“Ｌｏｗ－ｐａｓｓ ｆｉｌｔｅｒｓ ｒｅａｌｉｚａｂｌｅ ａｓ ａｌｌ－ｐａｓｓ ｓｕｍｓ：ｄｅｓｉｇｎ ｖｉａ ａ ｎｅｗ ｆｌａｔ ｄｅｌａｙ ｆｉｌｔｅｒ，” ｉｎ ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｃｉｒｃｕｉｔｓ ａｎｄ Ｓｙｓｔｅｍｓ ＩＩ：Ａｎａｌｏｇ ａｎｄ Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，ｖｏｌ．４６，１９９９．
【0164】
［１５］ Ｔ．Ｉ．Ｌａａｋｓｏ，Ｖ．Ｖａｌｉｍａｋｉ，Ｍ．Ｋａｒｊａｌａｉｎｅｎ，ａｎｄ Ｕ．Ｋ．Ｌａｉｎｅ，“Ｓｐｌｉｔｔｉｎｇ ｔｈｅ ｕｎｉｔ ｄｅｌａｙ，” ｉｎ ＩＥＥＥ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｍａｇａｚｉｎｅ，Ｊａｎ．１９９６．
【0165】
［１６］ Ｍ．Ｂｒａｎｄｓｔｅｉｎ ａｎｄ Ｄ．Ｗａｒｄ，“Ｍｉｃｒｏｐｈｏｎｅ ａｒｒａｙｓ，ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ ｔｅｃｈｎｉｑｕｅｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ，” ｉｎ Ｓｐｒｉｎｇｅｒ，２００１．
【0166】
［１７］ “Ｂｅａｍｆｏｒｍｉｎｇ，” ｈｔｔｐ：／／ｗｗｗ．ｌａｂｂｏｏｋｐａｇｅｓ．ｃｏ．ｕｋ／ａｕｄｉｏ／ ｂｅａｍｆｏｒｍｉｎｇ／ｄｅｌａｙＳｕｍ．ｈｔｍｌ，ａｃｃｅｓｓｅｄ：２０１９－０４－２１．
【0167】
［１８］ Ｂｅｎｅｓｔｙ，Ｓｏｎｄｈｉ，ａｎｄ Ｈｕａｎｇ，“Ｈａｎｄｂｏｏｋ ｏｆ ｓｐｅｅｃｈ ｐｒｏｃｅｓｓｉｎｇ，” ｉｎ Ｓｐｒｉｎｇｅｒ，２００８．
【0168】
［１９］ Ｊ．Ｐ．Ｔｈｉｒａｎ，“Ｒｅｃｕｒｓｉｖｅ ｄｉｇｉｔａｌ ｆｉｌｔｅｒｓ ｗｉｔｈ ｍａｘｉｍａｌｌｙ ｆｌａｔ ｇｒｏｕｐ ｄｅｌａｙ，” ｉｎ ＩＥＥＥ Ｔｒａｎｓ．ｏｎ Ｃｉｒｃｕｉｔ Ｔｈｅｏｒｙ，ｖｏｌ．１８，ｎｏ．６，Ｎｏｖ．１９７１，ｐｐ．６５９－６６４．
【0169】
［２０］ Ｓ．Ｄａｓ ａｎｄ Ｐ．Ｎ．Ｓｕｇａｎｔｈａｎ，“Ｄｉｆｆｅｒｅｎｔｉａｌ ｅｖｏｌｕｔｉｏｎ：Ａ ｓｕｒｖｅｙ ｏｆ ｔｈｅ ｓｔａｔｅ－ｏｆ－ｔｈｅ－ａｒｔ，” ｉｎ ＩＥＥＥ Ｔｒａｎｓ．ｏｎ Ｅｖｏｌｕｔｉｏｎａｒｙ Ｃｏｍｐｕｔａｔｉｏｎ，Ｆｅｂ．２０１１，ｖｏｌ．１５，ｎｏ．１，ｐｐ．４－３１．
【0170】
［２１］ Ｒ．Ｓｔｏｒｎ ａｎｄ Ｋ．Ｐｒｉｃｅ，“Ｄｉｆｆｅｒｅｎｔｉａｌ ｅｖｏｌｕｔｉｏｎ－ａ ｓｉｍｐｌｅ ａｎｄ ｅｆｆｉｃｉｅｎｔ ｈｅｕｒｉｓｔｉｃ ｆｏｒ ｇｌｏｂａｌ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｖｅｒ ｃｏｎｔｉｎｕｏｕｓ ｓｐａｃｅｓ，” ｉｎ Ｊｏｕｒｎａｌ ｏｆ Ｇｌｏｂａｌ Ｏｐｔｉｍｉｚａｔｉｏｎ．１１（４），１９９７，ｐｐ．３４１－３５９．
【0171】
［２２］ “Ｄｉｆｆｅｒｅｎｔｉａｌ ｅｖｏｌｕｔｉｏｎ，” ｈｔｔｐ：／／ｗｗｗ１．ｉｃｓｉ．ｂｅｒｋｅｌｅｙ．ｅｄｕ／～ｓｔｏｒｎ／ｃｏｄｅ．ｈｔｍｌ，ａｃｃｅｓｓｅｄ：２０１９－０４－２１．
【0172】
［２３］ Ｊ．Ｇａｒｏｆｏｌｏ ｅｔ ａｌ．，“Ｔｉｍｉｔ ａｃｏｕｓｔｉｃ－ｐｈｏｎｅｔｉｃ ｃｏｎｔｉｎｕｏｕｓ ｓｐｅｅｃｈ ｃｏｒｐｕｓ，” １９９３．
［２４］ “Ｍｉｃｒｏｐｈｏｎｅ ａｒｒａｙ ｓｐｅｅｃｈ ｐｒｏｃｅｓｓｉｎｇ，” ｈｔｔｐｓ：／／ｇｉｔｈｕｂ．ｃｏｍ／
ＺｉｔｅｎｇＷａｎｇ／ＭＡＳＰ，ａｃｃｅｓｓｅｄ：２０１９－０７－２９．
［２５］ “Ｉｌｒｍａ，” ｈｔｔｐｓ：／／ｇｉｔｈｕｂ．ｃｏｍ／ｄ－ｋｉｔａｍｕｒａ／ＩＬＲＭＡ，ａｃｃｅｓｓｅｄ：２０１９－０７－２９．
［２４］ “Ｍｉｃｒｏｐｈｏｎｅ ａｒｒａｙ ｓｐｅｅｃｈ ｐｒｏｃｅｓｓｉｎｇ，” ｈｔｔｐｓ：／／ｇｉｔｈｕｂ．ｃｏｍ／
ＺｉｔｅｎｇＷａｎｇ／ＭＡＳＰ，ａｃｃｅｓｓｅｄ：２０１９－０７－２９．
［２５］ “Ｉｌｒｍａ，” ｈｔｔｐｓ：／／ｇｉｔｈｕｂ．ｃｏｍ／ｄ－ｋｉｔａｍｕｒａ／ＩＬＲＭＡ，ａｃｃｅｓｓｅｄ：２０１９－０７－２９．
【0173】
［２６］ Ｒ．Ｂ．Ｓｔｅｐｈｅｎｓ ａｎｄ Ａ．Ｅ．Ｂａｔｅ，Ａｃｏｕｓｔｉｃｓ ａｎｄ Ｖｉｂｒａｔｉｏｎａｌ Ｐｈｙｓｉｃｓ，Ｌｏｎｄｏｎ，Ｕ．Ｋ．，１９６６．
【0174】
［２７］ Ｊ．Ｂ．Ａｌｌｅｎ ａｎｄ Ｄ．Ａ．Ｂｅｒｋｌｅｙ，Ｉｍａｇｅ ｍｅｔｈｏｄ ｆｏｒ ｅｆｆｉｃｉｅｎｔｌｙ ｓｉｍｕｌａｔｉｎｇ ｓｍａｌｌ ｒｏｏｍ ａｃｏｕｓｔｉｃｓ．Ｊ．Ａｃｏｕｓｔ．Ｓｏｃ．Ａｍｅｒ．，１９７９，ｖｏｌ．６５．
【0175】
［２８］ Ｃ．Ｆｅｖｏｔｔｅ，Ｒ．Ｇｒｉｂｏｎｖａｌ，ａｎｄ Ｅ．Ｖｉｎｃｅｎｔ，“Ｂｓｓ ｅｖａｌ ｔｏｏｌｂｏｘ ｕｓｅｒ ｇｕｉｄｅ，” ｉｎ Ｔｅｃｈ．Ｒｅｐ．１７０６，ＩＲＩＳＡ Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ １７０６，Ｒｅｎｎｅｓ，Ｆｒａｎｃｅ，２００５．
【0176】
［２９］ Ｅ．Ｇ．Ｌｅａｒｎｅｄ－Ｍｉｌｌｅｒ，Ｅｎｔｒｏｐｙ ａｎｄ Ｍｕｔｕａｌ Ｉｎｆｏｒｍａｔｉｏｎ．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｍａｓｓａｃｈｕｓｅｔｔｓ，Ａｍｈｅｒｓｔ Ａｍｈｅｒｓｔ，ＭＡ ０１００３，２０１３．
【0177】
［３０］ “Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｂｌｉｎｄ ｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ ｔｅｃｈｎｉｑｕｅｓ，” ｈｔｔｐｓ：／／ｇｉｔｈｕｂ．ｃｏｍ／ＴＵＩｌｍｅｎａｕＡＭＳ／
Ｃｏｍｐａｒｉｓｏｎ－ｏｆ－Ｂｌｉｎｄ－Ｓｏｕｒｃｅ－Ｓｅｐａｒａｔｉｏｎ－ｔｅｃｈｎｉｑｕｅｓ，ａｃｃｅｓｓｅｄ：２０１９－０７－２９．
Ｃｏｍｐａｒｉｓｏｎ－ｏｆ－Ｂｌｉｎｄ－Ｓｏｕｒｃｅ－Ｓｅｐａｒａｔｉｏｎ－ｔｅｃｈｎｉｑｕｅｓ，ａｃｃｅｓｓｅｄ：２０１９－０７－２９．
【図1】
【図2a】
【図2b】
【図3】
【図4】
【図5】
【図6a】
【図6b】
【図6c】
【図7】