| 講演名 | 2007-03-14 隠れマルコフ/セミマルコフモデルに基づき原信号を動的に切り替える非定常独立成分分析 平山 淳一郎, 前田 新一, 石井 信, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | ブラインド信号分離(blind source separation; BSS)は,未知原信号からの(線形)混合を観測信号として得たときに,混合過程も未知として原信号と混合過程の両方を復元する問題であリ,独立成分分析(independent component analysis; ICA)が有効な解法として用いられる.しかし,実問題においては原信号はしばしば常に出現しているわけではなく,出現・非出現の状態が時間とともに切り替わる.そのため,原信号が全期間を通して常に存在することを仮定する通常のICAでは,とくに観測にノイズが含まれる場合に性能が低下しやすい.我々はこれまでに,こういった非定常な状況に対処可能なICA手法として,隠れマルコフモデルに基づくSwitching ICA法を提案してきた.本稿では,以前は固定されていた一部のパラメータに関する推定を含む形に提案予法を拡張し,既存手法との新たな比較実験結果を示す.人工データを用いた実験では,ノイズのある状況で既存手法より良い性能が得られた.また,マルコフモデルでは各状態の持続時間確率が指数的に減衰するため,信号の出現・非出現のモデルとしてはあまり自然なものではなかった.本稿では,指数減衰以外の持続時間分布を許容するセミマルコフモデルを用いて提案予法を拡張し,それにより信号出現の推定精度が向上することを示す. |
| 抄録(英) | Independent Component Analysis (ICA) is currently the most popularly used approach to blind source separation (BSS), the problem of recovering unknown source signals when their mixtures are observed but the actual mixing process is unknown. Real-world signals often have such difficult non-stationarity that each source signal abruptly appears or disappears, which potentially degrades the performance of ordinary ICA especially in noisy situations. To address such non-stationary cases, we have proposed a non-stationary ICA method, called Switching ICA, based on a special type of hidden Markov model. In this article, we present new experimental comparison of our method to some existing methods, with a full treatment of paramter estimation including those for the parameters that have previously been fixed. In simulation experiments using artificial source signals, the proposed method exhibited performance superior to existing methods, especially in the presence of noise. We also propose a simple semi-Markov extension of the original Markov one, to avoid unrealistic assumption implied in the Markov model, that is, the probability of state duration decreases exponentially with its length. The semi-Markov model is demonstrated to be more effective for robust estimation of the source appearance. |
| キーワード(和) | 独立成分分析 / ブラインド信号分離 / 隠れマルコフモデル / 隠れセミマルコフモデル / 変分ベイズ法 |
| キーワード(英) | independent component analysis / blind source separation / hidden Markov model / hidden semi-Markov model / variational Bayes method |
| 資料番号 | NC2006-147 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 2007/3/7(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Neurocomputing (NC) |
|---|---|
| 本文の言語 | ENG |
| タイトル（和） | 隠れマルコフ/セミマルコフモデルに基づき原信号を動的に切り替える非定常独立成分分析 |
| サブタイトル（和） | |
| タイトル（英） | Markov and semi-Markov switching of source appearances for non-stationary independent component analysis |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 独立成分分析 / independent component analysis |
| キーワード(2)（和/英） | ブラインド信号分離 / blind source separation |
| キーワード(3)（和/英） | 隠れマルコフモデル / hidden Markov model |
| キーワード(4)（和/英） | 隠れセミマルコフモデル / hidden semi-Markov model |
| キーワード(5)（和/英） | 変分ベイズ法 / variational Bayes method |
| 第 1 著者 氏名（和/英） | 平山 淳一郎 / Jun-ichiro HIRAYAMA |
| 第 1 著者 所属（和/英） | 奈良先端科学技術大学院大学情報科学研究科:日本学術振興会 Graduate School of Information Science, Nara Institute of Science and Technology:Research Fellow of the Japan Society for the Promotion of Science |
| 第 2 著者 氏名（和/英） | 前田 新一 / Shin-ichi MAEDA |
| 第 2 著者 所属（和/英） | 奈良先端科学技術大学院大学情報科学研究科 Graduate School of Information Science, Nara Institute of Science and Technology |
| 第 3 著者 氏名（和/英） | 石井 信 / Shin ISHII |
| 第 3 著者 所属（和/英） | 奈良先端科学技術大学院大学情報科学研究科 Graduate School of Information Science, Nara Institute of Science and Technology |
| 発表年月日 | 2007-03-14 |
| 資料番号 | NC2006-147 |
| 巻番号（vol） | vol.106 |
| 号番号（no） | 588 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |