專利名稱：：信號分離方法、信號分離裝置、信號分離程序以及記錄媒體的制作方法
技術領域：
：本發(fā)明涉及信號處理的
技術領域：
，特別涉及在不能僅直接觀測必要的源信號(目標信號)，目標信號上疊加其它的信號而被觀測的狀況下，推定目標信號的信號分離方法、信號分離裝置、信號分離程序以及存儲其的記錄媒體。
背景技術：
：以往，已知使用混合了多個源信號(聲音信號等)的混合信號，并不使用源信號或混合過程的知識，而將混合前的源信號分離、提取的盲源分離(BSSBlindSourceSeparation)技術。圖27A是概念地例示該盲源分離技術的方框圖。如該圖中所例示的，在盲源分離中，從多個(在本例中為N個)信號源701發(fā)出的源信號si(i＝1、...、N)混合，并由多個(在本例中為M個)傳感器702觀測的狀況下，僅從該觀測信號xj(j＝1、...、M)取出被推測為源信號的分離信號yk(k＝1、...、N)。這里，從信號源701發(fā)出的源信號si混合，并由傳感器702觀測的過程稱為“混合過程”，根據(jù)傳感器702的觀測結果取出分離信號的過程稱為“分離過程”。首先，將觀測的信號以及分離問題定式化。首先，對于混合過程模型化。將N設為信號源701的個數(shù)，將M設為傳感器702的個數(shù)，將si設為從第i個信號源701(信號源i)發(fā)出的信號(源信號)，將hji設為從信號源i到第j個傳感器702(傳感器j)的脈沖響應。在該情況下，由傳感器j觀測的信號xj通過這些源信號Si與脈沖響應hji卷積混合[算式1]xj(t)=Σi=1NΣp=1Phji(p)si(t-p+1)···(1)]]>而模型化。這里，“卷積”是指信號的傳播過程中信號被延遲，乘以規(guī)定的系數(shù)之后，再加法運算。而且，所有的信號以某一采樣頻率被采樣，并離散地被表現(xiàn)。而且，算式(1)中的P表示脈沖響應長級，t表示采樣時刻，p表示用于掃描(分別對時間偏移的信號的采樣值作用不同的系數(shù)的操作)的變量。另外，N個信號源701在統(tǒng)計上互相獨立，假設各個信號為充分稀疏(sparse)。“稀疏”是指信號在幾乎所有時刻t為0，該稀疏性例如通過聲音信號識別。BSS的目的在于不知道源信號si或脈沖響應hji，而僅根據(jù)觀測信號xj推定分離系統(tǒng)(W)703并得到分離信號yk。而且，卷積混合的問題的處理煩雜，而且稀疏性的假定在時間-頻率區(qū)域中更經(jīng)常成立，所以對上述算式(1)實施短時間離散傅立葉變換(DFTDiscreteFourierTransform)，從而將信號變換到時間-頻率區(qū)域的基礎上解決問題是有效的。在時間-頻率區(qū)域中，上述算式(1)成為X(f，m)＝H(f)S(f，m)。這里，f表示頻率，m表示DFT中使用的幀的時刻。而且，H(f)是對該ij元素具有從信號源i到傳感器j的頻率響應Hji(f)的(M×N)矩陣，以后將其稱為混合矩陣。而且，S(f，m)＝[S1(f，m)，...，SN(f，m)]T、X(f，m)＝[X1(f，m)，...，XM(f，m)]T分別是源信號和觀測信號的DFT結果。另外，符號[α]T表示α的轉置矩陣。而且，S(f，m)以及X(f，m)為矢量。以后，在時間-頻率區(qū)域中進行說明。<分離過程模型>接著，對應分離過程進行模型化。首先，將W(f，m)設為對該jk元素具有從傳感器j的觀測信號到分離信號yk的頻率響應Wjk(f，m)的(N×M)矩陣。將該W(f，m)稱為分離矩陣。使用分離矩陣時，分離信號在時間-頻率區(qū)域內，為Y(f，m)＝W(f，m)X(f，m)。這里，Y(f，m)＝[Y1(f，m)，...，YN(f，m)]T是時間-頻率區(qū)域內的分離信號，通過將其進行短時間逆離散傅立葉變換(IDFTInverseDiscreteFourierTransform)，得到作為源信號的推定結果的分離信號yk。另外，分離了的分離信號yk的順序不必與源信號si的順序一致。即，不限于k＝i。而且，Y(f，m)為矢量。<分離矩陣W(f，m)的推定>在BSS中僅根據(jù)觀測信號推定分離矩陣W(f，m)。用于分離信號Y(f，m)的推定的現(xiàn)有方法中，已知(a)獨立分量分離的方法、(b)利用了信號的稀疏性的方法、(c)根據(jù)稀疏性推定混合矩陣的方法。以下，分別對它們進行說明。如所述算式(1)所示，基于信號的統(tǒng)計上獨立而分離線性混合的信號的技術稱為獨立分量分析(ICAIndependentComponentAnalysis)。圖27B表示對于N＝M＝2的情況，該ICA的分離過程的方框圖。在時間-周期區(qū)域的ICA中，根據(jù)學習規(guī)則W(f)＝W(f)+ΔW(f)依次進行學習，并求各頻率的分離矩陣W(f，m)，以便輸出信號Y(f，m)的各要素相互獨立。這里，ICA分離矩陣推定部705，例如根據(jù)ΔW＝μ[I-＜φ(Y(f，m))Y(f，m)H＞]…(2)的學習規(guī)則來求ΔW(f)。其中[α]H表示α的共軛轉置。另外，I表示單位矩陣，<·>表示平均時間，φ表示某非線性函數(shù)，μ表示更新系數(shù)。而且，由ICA求出的分離系統(tǒng)為時不變線性系統(tǒng)。另外，ICA的算法介紹了非專利文獻1中記載的算法等各種算法。由于在ICA中著眼于信號的獨立性來進行分離，所以使用該分離矩陣W(f，m)，由Y’(f，m)＝W(f，m)X(f，m)得到的Y’(f，m)＝[Y1’(f，m)，...，YN’(f，m)]T中有順序的任意性和大小的任意性。這是由于即使順序或大小變化，也保持分離信號間的獨立性。解決順序的任意性稱為排列(permutation)的解決，但這是對應于相同的源信號si的分離信號分量成為在所有的頻率具有下標i的分離信號Yi(f，m)。作為該方法，有驗證使用分離矩陣的逆矩陣(N≠M的情況下為Moore-Penrose型偽逆矩陣)得到的信號的推定到來方向，并改變分離矩陣W(f，m)的行以便第i個分離信號所對應的推定到來方向在各頻率都相同的方法，和改變分離矩陣W(f，m)的行以便在頻率間第i個分離信號的絕對值|Yi(f，m)|的相關最高的方法。另外，本例的排列/定標(scaling)解決部706反饋分離信號Yi(f，m)，同時進行該排列的解決。而且，解決大小的任意性稱為定標(scaling)的解決。排列/定標解決部706，例如計算排列解決后得到的分離矩陣W(f，m)的逆矩陣(在N≠M的情況下為Moore-Penrose型偽逆矩陣)W-1(f，m)，對于分離矩陣W(f，m)的各行wi(f，m)，設為wi(f，m)←[W-1(f，m)]jiwi(f，m)，進行該定標的解決。然后，使用解決了順序和大小的任意性的分離矩陣W(f，m)，通過Y(f，m)＝W(f，m)X(f，m)得到各頻率的分離信號。另外，對于上述的學習規(guī)則，例如，作為算式(2)中的非線性函數(shù)，可以使用φ(Y)＝φ(|Y|)·exp(j·∠(Y))φ(x)＝sign(x)等。而且，如上所述，作為排列解決法，例如，可以使用信號到來方向推定法或利用分離信號的頻率的頻率類似度的方法的其中一個，或者將兩者組合的方法，對于此，詳見專利文獻1或非專利文獻2。進而，在ICA中，信號源的數(shù)目N和傳感器數(shù)M有必要為M≥N的關系。作為信號源的數(shù)目N和傳感器數(shù)M為M≤N的情況的分離方法，有信號的稀疏性的方法(例如，非專利文獻3)。通過假設信號的稀疏性和相互獨立性，可以假設即使同時存在多個信號，采樣電平中同時刻互相重合地觀測的概率也低。即，可以假定各時刻的觀測信號中最多僅包含一個信號。從而，通過任何方法推定在各個時刻觀測的信號是從哪個信號源發(fā)出的信號，并作為分離系統(tǒng)W(f，m)使用僅提取該時刻的信號的函數(shù)(二元掩模(binarymask))，從而可以分離信號。這是稀疏性的方法。圖28(現(xiàn)有方法2)是用于說明稀疏性的方法的方框圖。各時刻的信號源的推定一般使用以下的方法。即，將各個信號源在空間上分離配置時，由多個傳感器觀測的信號間發(fā)生根據(jù)各信號源和傳感器的相對位置而決定的相位差或振幅比。根據(jù)各時刻的觀測信號中最多僅含有一個信號的假設，各時刻的觀測信號的相位差或振幅比成為該時刻的觀測信號中包含的一個信號的相位或振幅。從而，可以聚類各采樣中的觀測信號的相位差或振幅比，并可以通過再構成屬于各個級的時刻的信號來推定各源信號。更具體地說。首先在觀測信號相對值計算部751中，計算觀測信號X(f，m)之間的[算式2]相位差z1(f,m)=∠Xi(f,m)Xj(f,m)(i≠j)]]>以及振幅比z2(f,m)=|Xi(f,m)||Xj(f,m)|(i≠j)]]>的至少一個，并將其設為相對值z(f，m)。而且，或者不是相位差自身，將根據(jù)相位差求出的信號的到來方向設為相對值z(f，m)也可以。而且，通過聚類部752調查相對值z(f，m)的分布時，成為具有N個級的分布。圖29例示該分布。另外，本例是由傳感器1(j＝1)以及傳感器2(j＝2)觀測3信號的混合信號(N＝3)的情況的例子，圖29A是僅使用相位差和振幅比來求分布的例子，圖29B是使用相位差和振幅比來求分布的例子。如該圖所示，可知通過稀疏性，這些分布可以分別分類為N＝3個的級801～803或者811～813。接著，在代表值計算部753中，求這N個級的代表值(峰值、平均值、中央值等)。為了以后的記載的方便，將值小的設為a1、a2、a3、...、aN(圖29的情況下為a1、a2、a3)。而且，在二元掩模制作部754中，制作[算式3]Mk(f,m)=1ak-ϵ≤z(f,m)≤ak0otherwise(k=1,...,N)···(3)]]>的二元掩模Mk(f，m)。這里，ε是決定二元掩模的寬度的參數(shù)。接著，在信號提取部755中，進行Yk(f，m)＝Mk(f，m)Xj(f，m)的運算，得到第k個分離信號。另外，j是任意的傳感器號。即，在本例的稀疏性的方法中，分離矩陣W(f，m)為時變，為Wjk(f，m)＝Mk(f，m)forj∈{1，...，M}Wkl(f，m)＝0forl≠j(l＝1，...，M)的非線性系統(tǒng)。作為信號源的數(shù)目N和傳感器數(shù)M為M＝N的情況下的信號分離方法，有使用信號的稀疏性推定混合矩陣H(f)，并使用其逆矩陣分離信號的方法(例如，參照非專利文獻4或非專利文獻5。)。圖28(現(xiàn)有方法3)是用于說明由該稀疏性推定混合矩陣的方法的方框圖。混合信號X(f，m)使用混合矩陣H(f)表示為=H^(f)S^(f,m)···(6)]]>因此，如果可以推定則根據(jù)Y(f,m)=S^(f,m)=H^(f)-1X(f,m)···(7)]]>可以推定分離信號Y(f，m)。以下，說明從該的推定到得到分離信號Y(f，m)為止的流程。另外，以下，α^表示首先，按照與[現(xiàn)有方法2]同樣的順序，在觀測信號相對值計算部751、聚類部752、代表值計算部753、二元掩模制作部754以及信號提取部755中，得到僅存在一個信號的時刻的信號[算式5]X^(f,m)=Mk(f,m)X(f,m).]]>這里，對于所有的傳感器的觀測信號X(f，m)＝[X1(f，m)，...，XM(f，m)]T應用二元掩模Mk(f，m)。此時，例如僅源信號S1(f，m)有效的時刻mi的觀測信號成為[算式6]Xj^(f,mi)=Mi(f,mi)Xj(f,mi)≈Hji(f)Si(f,mi)···(8)]]>這樣求出的分離信號X^j(f，mi)被發(fā)送到混合過程計算部756，這里，通過計算H^ji(f)=E[Mk(f,mi)Xj(f,mi)Mk(f,mi)Xl(f,mi)]]]>=E[X^j(f,mi)X^l(f,mi)]=E[Hji(f)Si(f,mi)Hli(f)Si(f,mi)]=E[Hji(f)Hli(f)]···(9)]]>來推定H^(f)。這里，E[·]是關于mi的平均。這樣求出的H^(f)被發(fā)送到逆矩陣計算部757中，因此求出其逆矩陣H^(f)-1。而且，在信號分離部758中，通過進行上述算式(7)的運算，可以推定分離信號Y(f，m)。另外，由于本方法使用H^(f)的逆矩陣，所以僅適用于信號源的數(shù)目N和傳感器數(shù)M為M＝N的關系的情況。專利文獻1.特開2004-145172號公報非專利文獻1A.HyvaerinenandJ.KarhunenandE.Oja，“IndependentComponentAnalysis，”JohnWiley&Sons，2001，ISBN0-471-40540非專利文獻2H.Sawada，R.Mukai，S.ArakiandS.Makino，“ARobustandPreciseMethodforSolvingthePermutationProblemofFrequency-DomainBlindSourceSeparation”，inProc.The4thInternationalSymposiumonIndependentComponentAnalysisandBlindSignalSeparation(ICA2003)，2003，pp.505-510非專利文獻3S.Rickard，R.Balan，andJ.Rosca，“Real-TimeTime-FrequencyBasedBlindSourceSeparation，”3rdInternationalConferenceonIndependentComponentAnalysisandBlindSourceSeparation(ICA2001)，SanDiego，December，2001，pp.651-656非專利文獻4F.Abrard，Y.Deville，P.White，“Fromblindsourceseparationtoblindsourcecancellationintheunderdeterminedcaseanewapproachbasedontime-frequencyanalysis，”Proceedingsofthe3rdInternationalConferenceonIndependentComponentAnalysisandSignalSeparation(ICA’2001)，pp.734-739，SanDiego，California，Dec.2001.非專利文獻5Y.Deville，“Temporalandtime-frequencycorrelation-basedblindsourceseparationmethods，”inProc.，ICASSP2003，Apr.2003，pp.1059-1064在現(xiàn)有的信號分離方法中，信號源的數(shù)目N和傳感器的數(shù)目M為N＞M的情況下，難以以高品質來分離混合信號。換言之，如前所述，信號源的數(shù)據(jù)N和傳感器的數(shù)據(jù)M為N＞M的關系的情況下，可以使用獨立分量分析的方法，以及由稀疏性推定混合矩陣的方法。而且，可以使用利用了信號的稀疏性的方法，但在本方法中，難以進行分離性能好且失真小的信號分離。換言之，上述算式(3)所示的二元掩模的制作時，使ε充分小時，可以得到良好的分離性能，但反過來，通過該二元掩模排除的采樣的數(shù)目增加，分離信號惡化。即，信號的稀疏性如果完全，則各時刻的觀測信號中最多僅含有一個信號，各時刻的各相對值z(f，m)應該收斂到代表值a1，...，aN的其中一個的附近。但是，實際上，由于信號的稀疏性不完全，所以在某一時刻，有時存在大于或等于兩個同一頻率的觀測信號。在該情況下，該時刻的相對值z(f，m)成為偏離本來應該對應的代表值a1，...，aN的值，根據(jù)ε的值通過二元掩模排除。其結果，對應于該采樣的觀測信號作為0被處理，分離信號中裝入0分量。而且，該排除的采樣的比例隨ε的值越小而越大，所以該加入0分量的量也隨ε的值越小而越大。而且，在各分離信號中裝入多個0分量的情況下，這成為原因，分離信號的失真增大，發(fā)生稱為MusicalNoise的聽覺上不快的噪聲。另一方面，增大二元掩模的ε時，分離信號中包含的0分量減少，且MusicalNoise減少，但反過來分離性能惡化。
發(fā)明內容本發(fā)明鑒于這方面而完成，其目的在于提供一種即使信號源的數(shù)目N和傳感器的數(shù)目M為N＞M的關系的情況下，也可以以高質量分離混合信號的技術。在第一本發(fā)明中如以下那樣解決上述課題。首先，將由M個傳感器觀測了的N(N≥2)個信號的混合的觀測信號的值變換為頻率區(qū)域值，使用該頻率區(qū)域值在各頻率中計算傳感器間的觀測值的相對值(包含相對值的映射)。然后，將這些相對值聚類在N個級，并計算這些各級的代表值。之后，使用這些代表值，從頻率區(qū)域值中生成用于提取從V(V≤M)個信號源發(fā)出的信號的值的掩模，并使用生成的掩模提取由該N個信號源發(fā)出的信號構成的限定信號的值。而且，在V≥2的情況下，由于該限定信號為由V個信號源發(fā)出的信號構成的混合信號，所以將該限定信號進一步分離而得到各分離信號。另一方面，在V＝1的情況下，將該限定信號的值設為分離信號的值。這里提取了的由V個信號源發(fā)出的信號構成的限定信號的分離，例如可以應用獨立分量分析的方法或由稀疏性推定混合矩陣的方法等。因此，即使在N＞M的情況下，也可以以高品質提取源信號。但是，僅這樣的話僅能夠提取V個源信號。因此，例如，使用多個種類的掩模，變換提取的信號的組合，同時重復同樣的處理，從而提取所有的源信號。而且，在第二本發(fā)明中，如以下那樣解決上述課題。首先，將觀測信號值X1(t)、...XM(t)變換為X1(f，m)、...、XM(f，m)。然后，將由頻率區(qū)域值X1(f，m)、...、XM(f，m)構成的第一矢量X(f，m)＝[X1(f，m)、...、XM(f，m)]對于各頻率f聚類于N個類Ci(f)(i＝1、...、N)中，并計算代表各類Ci(f)的第二矢量ai(f)，并從中提取V(V≤M)個第三矢量ap(f)(p＝1、...、V)。之后，將第三矢量ap(f)的幾何設為Gk，并將Gkc設為Gk的補集，將D(α，β)設為矢量α和β的Mahalanobis平方距離的情況下，生成由[算式7]M(f,m)=1maxap(f)∈GkD(X(f,m),ap(f))<minaq(f)∈GkcD(X(f,m),aq(f))0otherwise]]>所示的掩模M(f，m)，運算掩模M(f，m)和第一矢量X(f，m)的積，并提取由V個信號源發(fā)出的信號所構成的限定信號的值。這里提取了的由V個信號源發(fā)出的信號所構成的限定信號的分離，例如可以應用獨立分量分析的方法或由稀疏性推定混合矩陣的方法等。因此，即使在N＞M的情況下也可以以高質量提取源信號。但是，僅這樣的話僅能提取V個源信號。因此，例如，使用對于多個種類的集合Gk的多個種類的掩模，變化提取的信號的組合，同時重復同樣的處理。由此，提取所有的源信號。而且，在第三本發(fā)明中，如以下那樣解決上述課題。首先，將觀測信號值X1(t)、...、XM(t)變換為頻率區(qū)域值X1(f，m)、...、XM(f，m)，將由它們構成的第一矢量X(f，m)＝[X1(f，m)、...、XM(f，m)]T對于各頻率f聚類于N個類的每個Ci(f)(i＝1、...、N)中。另外，如果源信號稀疏，則即使在例如傳感器的數(shù)目不充分(N＞M)的狀況下也可以聚類在N個類Ci(f)中，并可以計算這N個代表矢量ai(f)。而且，計算代表這些各類Ci(f)的第二矢量ai(f)，并計算將N個第二矢量ai(f)中的大于等于0個的對應第二矢量置換為0矢量的M行N列矩陣A’的Moore-Penrose型偽逆矩陣(A’+(f)N＝M的情況下與逆矩陣A’-1(f)一致)的N行M列的分離矩陣W(f，m)。另外，這里生成的分離矩陣W(f，m)在傳感器的數(shù)目不充分(N＞M)的情況下，成為依賴于時間m的矩陣，在傳感器的數(shù)目充分(N≤M)的情況下，成為不依賴于時間m的矩陣。之后，通過Y(f，m)＝W(f，m)X(f，m)的運算，計算分離信號矢量Y(f，m)＝[Y1(f，m)、...、YM(f，m)]T，并變換為時間區(qū)域的信號值y1(t)、...yN(t)。這里，根據(jù)源信號的稀疏性，即使在信號源的數(shù)目N比傳感器的數(shù)目M大(N＞M)的情況下，如果看離散時間m的每一個，則取影響觀測結果的值的信號源的數(shù)目小于等于M個的可能性高。因此，如果看每個離散時間m，則通過如上述那樣生成的分離矩陣W(f，m)可以分離這些小于等于M個的信號。而且，在N＞M的情況下，由于分離矩陣W(f，m)依賴于時間，所以如果離散時間m不同，則得到的分離信號的組合也可以不同。因此，通過對多個離散時間m求分離信號，可以得到所有的分離信號。如上所述，在本發(fā)明中，即使在信號源的數(shù)目N和傳感器的數(shù)目M為N＞M的關系的情況下，也可以以高質量分離混合信號。圖1是例示第一實施方式中的信號分離裝置的整體結構的方框圖。圖2是例示圖1中的代表值生成部、掩?？刂撇?、限定信號制作部以及限定信號分離部的詳細的方框圖。圖3是例示圖1以及圖2的掩模制作部的詳細的方框圖。圖4是用于說明第一實施方式中的信號分離裝置的處理的流程圖。圖5是由聚類部制作的直方圖的例示。圖6是用于說明生成第一實施方式中平滑形狀的掩模時使用的信號的推定到來方向θi的取得方法的圖。圖7是第一實施方式中的掩模的例示。圖8是例示第二實施方式的信號分離裝置的一個系統(tǒng)的方框圖。圖9是例示第三實施方式的信號分離裝置的一個系統(tǒng)的方框圖。圖10是第三實施方式中的掩模的例示。圖11是第四實施方式中的掩模制作部的結構的方框圖。圖12A是第六實施方式中的二元掩模的例示，圖12B是第七實施方式中的二元掩模的例示。圖13是第八實施方式中的代表值生成部、掩模控制部以及限定信號制作部的結構的方框圖。圖14是用于說明第八實施方式中的信號分離處理的流程圖。圖15是例示第九實施方式的信號分離裝置的結構的方框圖。圖16是用于說明第九實施方式的信號分離裝置的處理的流程圖。圖17是用于說明傳感器的數(shù)目不充分的情況下(M＜N)的分離矩陣生成處理的流程圖。圖18是一個音源的情況的沒有歸一化的觀測信號矢量X(f，m)的圖示(plot)。圖19是在一個音源的情況下由算式(36)歸一化了的觀測信號矢量X(f，m)的圖示。圖20是在一個音源的情況下由算式(37)歸一化了的觀測信號矢量X(f，m)的圖示。圖21是兩個音源的情況的沒有歸一化的觀測信號矢量X(f，m)的圖示。圖22是在兩個音源的情況下由算式(36)歸一化了的觀測信號矢量X(f，m)的圖示。圖23是在兩個音源的情況下由算式(37)歸一化了的觀測信號矢量X(f，m)的圖示。圖24是用于說明不管傳感器的數(shù)目對于信號源的數(shù)目是否充分都可以應用的分離矩陣生成處理的流程圖。圖25是例示在頻率區(qū)域中從進行信號集中變換為時間區(qū)域時的結構的方框圖的一部分。圖26是由計算機構成各實施方式的信號分離裝置的例子。圖27A是概念性地例示現(xiàn)有的盲源分離技術的方框圖，圖27B是ICA的分離過程的方框圖。圖28是用于說明稀疏性的方法以及由稀疏性推定混合矩陣的方法的方框圖。圖29是相對值的分布的例示。具體實施例方式以下，參照本發(fā)明的實施方式。本方式是第一本發(fā)明的實施方式，是用使用了死角型光束發(fā)生器的方向特性的平滑的形狀的掩模(mask)，從觀測信號值中提取由V(2≤V≤M)個信號源發(fā)出的信號所構成的混合信號(在本方式中將其稱為“限定信號”)的值，并通過ICA對提取了的限定信號值進行信號分離的例子。圖1是例示本方式的信號分離裝置1的整體結構的方框圖。而且，圖2是詳細例示圖1中的代表值生成部30、掩模控制部40、限定信號制作部50-k(k＝1、...、u，其中u為后述的系統(tǒng)數(shù))以及限定信號分離部60-k的方框圖。而且，圖3是詳細例示圖1以及圖2的掩模制作部51-k的方框圖。另外，這些圖中的箭頭表示數(shù)據(jù)的流動，但省略出入控制部10或臨時存儲部90的數(shù)據(jù)的流動。即，即使在數(shù)據(jù)經(jīng)由控制部10或臨時存儲部90的情況下，也省略其經(jīng)由的過程。而且，圖4是用于說明本方式中的信號分離裝置1的處理的方框圖。以下，使用它們說明本例的信號分離裝置1的結構以及處理。<整體結構>首先，說明本方式的信號分離裝置的整體結構。如圖1所示，本方式的信號分離裝置1具有存儲部2和通過有線或無線與其電連接的信號分離處理器3。存儲部2，例如是硬盤裝置、軟盤、磁帶等磁記錄裝置、DVD-RAM(RandomAccessMemory)、CD-R(Recordable)/RW(ReWritable)等光盤裝置、MO(Magneto-Opticaldisc)等光磁記錄裝置、EEP-ROM(ElectronicallyErasableandProgrammable-ReadOnlyMemory)、閃存(flashmemory)等半導體存儲器等。而且，存儲部2也可以與信號分離處理器3存在于同一個機殼內，也可以被構成在不同的機殼內。而且，本例的信號分離處理器3例如是由處理器或RAM等構成的硬件，有以下所述的各處理塊。<信號分離處理的概略>接著，說明信號分離裝置1進行的信號分離處理的概略。在本方式中，由N個信號源發(fā)出的信號在統(tǒng)計上互相獨立，假設各個信號充分稀疏。這里，“稀疏”是指信號在幾乎所有時刻為0或接近0，大的值為稀的性質。該稀疏性例如由聲音信號確認。另外，聲音信號等不是白色的信號實施短時間離散傅立葉變換等而設為每個頻率的時間序列，從而更接近0的時刻增加而稀疏性被強調。而且，一般信號的模型化中多使用高斯分布，但具有稀疏性的信號通過拉普拉斯分布等被模型化，而不是通過高斯分布。首先，由頻率區(qū)域變換部20將M個觀測信號值xj(f)變換為頻率區(qū)域的觀測信號值Xj(f，m)之后，在代表值生成部30中計算對應于各源信號的N個代表值a1、a2、...、aN。接著，由掩模控制部40適當選擇代表值a1、a2、...、aN中V(2≤V≤M)個，并在限定信號制作部50-k中，根據(jù)觀測信號值Xj(f，m)推定僅由V個源信號構成的限定信號的值X^(f，m)。另外，在V＝1的情況下，使用后述的[第三實施方式]的方法。這里，在掩模制作部51-k中，制作取出V個信號那樣的平滑的形狀的掩模，通過在限定信號提取部52-k中將該掩模作用于觀測信號值Xj(f，m)，從而推定限定信號值X^(f，m)。接著，在限定信號分離部60-k中，推定用于得到V個分離信號的分離系統(tǒng)。這里，輸入M個限定信號值X^(f，m)，并輸出V個分離信號值Y(f，m)。這里，關于分離系統(tǒng)的輸入數(shù)M和輸出數(shù)V，由于V≤M，所以這里的分離系統(tǒng)的推定可以使用[現(xiàn)有方法1]或[現(xiàn)有方法2]。最后，在時間區(qū)域變換部70-k中，將在時間頻率區(qū)域得到的分離信號值Y(f，m)變換為時間區(qū)域的信號值。但是，僅通過以上的處理僅能得到V個分離信號。從而，為了得到其它的分離信號，而改變由掩?？刂撇?0選擇的V個代表值的結構，并多個系統(tǒng)(u系統(tǒng))進行從限定信號制作部50-k到時間區(qū)域變換部70-k的處理。最后，由信號聚類部80集中來自各系統(tǒng)的輸出，并得到所有N個分離信號。<詳細的結構以及處理>接著，詳細地說明本例的結構以及處理。本例將從N(N≥2)個信號源發(fā)出的信號混合，在M個傳感器中觀測的情況下，從該觀測信號中分離提取源信號。另外，如上所述，本例的信號是可以假定聲音信號等稀疏性的信號，該音源數(shù)N抑制或可推定。而且，本例的傳感器是可以觀測該信號的麥克風等，它們被配置在直線上。首先，作為預處理，將在各傳感器中觀測了的時間區(qū)域的各觀測信號xj(t)(j＝1、...、M)存儲在存儲部2中。然后，開始信號分離處理時，信號分離處理器3基于控制部10的控制執(zhí)行以下的處理。首先信號分離處理器3訪問存儲部2，從那里依次讀取各觀測信號值xj(t)，并發(fā)送到頻率區(qū)域變換部20(步驟S1)。頻率區(qū)域變換部20通過短時間離散傅立葉變換等，將這些信號值依次變換為每個時間的頻率區(qū)域的觀測信號值Xj(f，m)，并存儲在臨時存儲部90中(步驟S2)。臨時存儲部90中存儲了的頻率區(qū)域的觀測信號值Xj(f，m)被發(fā)送到代表值生成部30中，代表值生成部30的相對值計算部31使用發(fā)送的頻率區(qū)域的觀測信號值Xj(f，m)，在各頻率中計算各傳感器中的觀測值的相對值z(f，m)(步驟S3)。另外，作為相對值z(f，m)，例如可以使用[算式8]相位差z1(f,m)=∠Xi(f,m)Xj(f,m)(i≠j)]]>以及振幅比z2(f,m)=|Xi(f,m)||Xj(f,m)|(i≠j)]]>的至少一個，而且，或者不是相位差，也可以使用其映射(例如，根據(jù)相位差求出的信號的到來方向)。在本例中，利用可以得到第j1和第j2的任意的兩個傳感器中的觀測信號間相位差z1(f，m)的信號的到來方向[算式9]z3(f,m)=cos-1z1(f,m)v2πfd]]>作為相對值z(f，m)，相對值計算部31計算該z3(f，m)。這里，v是信號的速度，d是傳感器j1和傳感器j2的間隔。這樣計算了的相對值z3(f，m)被存儲在臨時存儲部90中。接著，聚類部32從臨時存儲部90中依次讀取相對值z3(f，m)，并將這些相對值z3(f，m)聚類在N個級中(步驟S4)。本例的情況下，聚類部32根據(jù)發(fā)送的相對值z3(f，m)制作直方圖。圖5是這樣制作的直方圖的例示。另外，本例中源信號的數(shù)目N＝3。如該圖所例示的，本例的直方圖為具有N(＝3)個峰值的分布。本例的聚類部32將該分布聚類在N(＝3)個級(本例中為類91～93)中。這例如可以設定適當?shù)拈撝刀M行聚類，也可以使用k-means方法或層級聚類(hierarchicalclustering)等多個教科書中說明的方法(例如，參照‘尾上守夫監(jiān)譯“パタ一ン識別”、新技術コミュニケ一ションズ，ISBN4-915851-24-9，第10章’等。)。這里，被聚類的各類Ci(i＝1、2、...、N)是相對值z3(f，m)的集合，使用離散時間的集合Ti是Ci(f)＝{z3(f，m)|m∈Ti}。由集中部32生成了的類的信息(類C1、C2、...、CN)被存儲在臨時存儲部90中。代表值計算部33讀取它們，并計算各類C1、C2、...、CN的代表值a1、a2、...、aN(步驟S5)。具體來說，例如可以將直方圖的各級的峰值設為代表值，而且也可以將各級的平均值設為代表值。而且，例如將該N個代表值(為方便起見)以升序設為a1、a2、...、aN(參照圖5)。另外，這些代表值a1、a2、...、aN，成為N個各信號的到來方向的推定值。本例的代表值a1、a2、...、aN的信息被存儲在臨時存儲部90中之后，被發(fā)送到標記控制部40。標記控制部40將數(shù)據(jù)帶入變量SG0，并將變量SG0存儲在臨時存儲部90中，所述數(shù)據(jù)確定具有這些代表值a1、a2、...、aN作為元素的集合G0。而且，掩?？刂撇?0將確定集合G的變量SG初始化為G＝φ(空集合)，將變量k設為0，并將它們存儲在臨時存儲部90(步驟S6)。接著，基于掩?？刂撇?0中的控制，進行限定信號制作部50-k(k＝1，...，u)、限定信號分離部60-k以及時間區(qū)域變換部70-k的多個系統(tǒng)(u系統(tǒng))的處理，直到得到所有N個分離信號。首先，掩?？刂撇?0將臨時存儲部90中存儲的變量k加上了1的值設為新的變量k，再次存儲在臨時存儲部90中(步驟S7)。接著，掩?？刂撇?0從臨時存儲部90中調用變量SG0以及SG。然后，掩模控制部40從由變量SG0確定了的集合G0中，選擇包含由SG確定的集合G的補集(Gc(αc表示α的補集))的元的適當?shù)腣(≤M)個代表值的集合Gk，并將確定該集合Gk的數(shù)據(jù)帶入變量SGk，將該變量SGk存儲在臨時存儲部90中(步驟S8)。限定信號制作部50-k的掩模制作部51-k讀取臨時存儲部90中存儲的變量SGk，并制作提取具有由該變量SGk確定的集合Gk作為代表值的類的信號的“平滑的形狀的掩模”(步驟S9)。這里，“平滑的形狀的掩模”對于包含V(2≤V≤M)個代表值的規(guī)定的范圍(限定范圍)內的相對值為高電平值，對于不在該限定范圍內的代表值為低電平值，表示伴隨相對值的變化的從對應高電平值到對應低電平值的推移連續(xù)的函數(shù)。另外，本例的“高電平值”表示比0充分大的數(shù)值(例如大于等于1)，“低電平值”表示與0充分接近的值(例如，對于高電平值為小于等于60dB等)，但該值沒有特別限定。在本方式中，利用由N-V+1個傳感器形成的死角型光束發(fā)生器的方向特性來制作“平滑的形狀的掩模”。該掩模向限定信號中包含的V個信號的方向(Gk)具有充分的靈敏度，向要除去的N-V個信號的方向(G0∩Gkc)具有靈敏度低的特性(死角)，為平滑的形狀的掩模。以下，說明本方式的“平滑的形狀的掩模”的生成順序。首先，掩模制作部51-k從臨時存儲部90中讀取變量SGk、SG0以及SGkc。接著，掩模制作部51-k提取變量SGk表示的集合Gk的元素(限定范圍內的代表值)的其中一個，將其設為θ1。而且，掩模制作部51-k提取由變量SG0以及SGkc確定的G0∩Gkc的所有元素(限定范圍內沒有的代表值)，并將它們設為θi(i＝2、...、N-V+1)。然后，掩模制作部51-k將θ1以及θi存儲在臨時存儲部90中。接著，掩模制作部51-k從臨時存儲部90依次提取θ1以及θi，并依次計算τji＝(dj/v)cosθi(j＝1...、N-V+1)。進而，掩模制作部51-k計算延遲矩陣HNBF(f)的ji元素HNBFji(f)＝exp(j2πfτji)從而依次存儲在臨時存儲部90中。另外，dj是傳感器1和傳感器j的距離(d1為0)，f為頻率的變量，v為信號的速度。這些參數(shù)例如被事先存儲在臨時存儲部90中，被依次調用并使用。通過以上的處理，生成((N-V+1)×(N-V+1))的延遲矩陣HNBF(f)(圖351a-k)。另外，在本方式中，由于將根據(jù)兩個傳感器中的觀測信號間相位差z1(f，m)得到的信號的到來方向z3(f，m)設為相對值，所以上述θ1表示對應于限定范圍內的代表值的信號的到來方向，θi表示對應于不再限定范圍內的代表值的信號的到來方向。而且，該θi(i＝1...、N-V+1)的取得方法如圖6所示。首先，將配置在直線上的M個傳感器的中央設為原點(第一個傳感器和原點的距離L1＝原點和第M個傳感器的距離L2)。連接該原點和第i個信號源的線段和連接原點和第1個傳感器10的線段所成的角度為對應于第i個信號源的θi。生成的延遲矩陣HNBF(f)被從臨時存儲部90(圖1)發(fā)送到NBF制作部51b-k(圖3)，NBF制作部51b-k使用該延遲矩陣HNBF(f)制作具有死角光束發(fā)生器(NBF)的特性的NBF矩陣W(f)。這通過計算延遲矩陣HNBF(f)的逆矩陣W(f)＝HNBF-1(f)而得到。該NBF矩陣W(f)被存儲在臨時存儲部90(圖1)。方向特性計算部51c-k從臨時存儲部90中依次提取該NBF矩陣W(f)的第一行的元素W1k(f)、dk以及v，生成將θ設為信號到來方向的變量的情況下的方向特性函數(shù)[算式10]F(f,θ)=Σk=1N-V+1Wlk(f)exp(j2πfdkcosθ/v)···(10).]]>另外，θ的取得方法與上述θi相同。生成的方向特性函數(shù)F(f，θ)被發(fā)送到掩模構成部51d-k。掩模構成部51d-k使用該方向特性函數(shù)F(f，θ)和從臨時存儲部90中讀取了的相對值z(f，m)(在本例中為z3(f，m))，生成平滑的形狀的掩模MDC(f，m)。作為生成的掩模MDC(f，m)，例如，可以表示使用該方向特性F(f，θ)自身[掩模1]MDC(f，m)＝F(f，z3(f，m))…(11)的例子。而且，使用方向特性F(f，θ)的絕對值[掩模2]MDC(f，m)＝|F(f，z3(f，m))|…(12)的也可以設為MDC(f，m)。圖7A表示[掩模2]的例子(信號數(shù)N＝3，傳感器數(shù)M＝2的情況)。本例的“平滑的形狀的掩?！笔切盘柍?shù)N-M＝1，具有向一個方向a1小的增益。另外，該“平滑的形狀的掩?！睂(＝V)＝2個信號(這里，為從a2以及a3方向到來的2個信號)作為限定信號提取(后述的圖7B、C也同樣)。而且，例如如下所示，也可以將方向特性F(f，θ)的變形設為掩模MDC(f，m)。另外，以下將Gk的元素中相鄰的兩個ai隔著的相對值z3(f，m)的所有區(qū)域稱為限定信號區(qū)域。而且，在Gk中包含a1或aN的情況下，0°≤z3(f，m)≤a1，180°≥z3(f，m)≥aN也包含于限定信號區(qū)域中。進而，將G0∩Gkc的元素中相鄰的兩個ai隔著的相對值z3(f，m)的所有區(qū)域稱為除去信號區(qū)域。而且，在G0∩Gkc中包含a1或aN的情況下，0°≤z3(f，m)≤a1，180°≥z3(f，m)≥aN也包含于除去信號區(qū)域中。而且，限定信號區(qū)域將不屬于除去信號區(qū)域的任何一個的區(qū)域稱為過渡區(qū)域。[掩模3][掩模4]它們將具有除去信號區(qū)域的增益設為一樣小的特性的掩模MDC(f，m)。這里，θr表示除去信號區(qū)域的端點中與相鄰的限定信號區(qū)域的端點最近的。圖7B表示該[掩模4]的例子(信號數(shù)N＝3，傳感器數(shù)M＝2的情況)。而且，例如，如[算式12][掩模5]那樣，可以使用將限定信號區(qū)域的方向特性設為一樣的掩模MDC(f，m)。而且，如[掩模6]那樣，可以使用將限定信號區(qū)域的方向特性設為一樣的掩模的絕對值。這里，作為a，例如使用除去信號區(qū)域的|F(f，θ)|的最大值等比0充分大的值，作為b，例如使用方向特性的增益的最小值等的小值。圖7C中表示[掩模6]的例子(信號數(shù)N＝3，傳感器數(shù)M＝2的情況(掩模制作部51-k/步驟S9的說明結束)。如上所述，掩模制作部51-k中生成的掩模MDC(f，m)被存儲在臨時存儲部90中之后，被發(fā)送到限定信號提取部52-k。限定信號提取部52-k進一步從臨時存儲部90讀取頻率區(qū)域的觀測信號值X(f，m)。然后，限定信號提取部52-k(圖2)使用該掩模MDC(f，m)和頻率區(qū)域的觀測信號X(f，m)，通過Xk^(f，m)＝MDC(f，m)X(f，m)的積運算，生成限定信號值Xk^(f，m)(步驟S10)。該限定信號值Xk^(f，m)被存儲在臨時存儲部90中，限定信號分離部60-k讀取該限定信號值Xk^(f，m)，并進行限定信號的信號分離(步驟S11)。這里，限定信號值Xk^(f，m)＝MDC(f，m)X(f，m)被近似為由從V(2≤V≤M)個信號源發(fā)出的信號構成的混合信號的值。從而，該分離矩陣的推定可以利用[現(xiàn)有方法1]中敘述了的獨立分量分析的方法。即，作為獨立分量分析的輸入，使用限定信號值X^(f，m)代替觀測信號值X，使用例如[現(xiàn)有方法1]中敘述了的算式(2)進行分離。本實施例中的所述ICA的分離中，首先，在ICA分離矩陣推定部61-k中，使用限定信號值Xk^(f，m)，根據(jù)所述的算式(2)的學習規(guī)則生成分離矩陣W(f，m)，并將該分離矩陣W(f，m)存儲在臨時存儲部90中。另外，該分離矩陣W(f，m)的生成，例如使用來自以下的排列·定標解決部62-k的輸出值Yk(f，m)的反饋。生成的分離矩陣W(f，m)被發(fā)送到排列·定標解決部62-k。排列·定標解決部62-k使用該分離矩陣W(f，m)和限定信號值Xk^(f，m)進行Yk(f，m)＝W(f，m)Xk^(f，m)的運算，并生成各個分離信號值Yk(f，m)＝[Yk1∏k1(f，m)，...，YkV∏kV(f，m)]T，將其存儲在臨時存儲部90中。然后，排列·定標解決部62-k例如反饋該分離信號值Yk(f，m)，通過[現(xiàn)有方法1]中敘述的方法解決排列問題。在排列問題的解決后，排列·定標解決部62-k進一步將表示分離信號值Ykq(q＝1、...、V)對應于哪一個信號的標記∏kq賦予分離信號值Yka(q＝1、...、V)，并將它們建立對應而存儲在臨時存儲部90中。這里，該標記∏kq表示為分離信號Ykq的上標∏kq。具體來說，例如，排列·定標解決部62-k使用從臨時存儲部90提取了的分離矩陣W(f)的逆矩陣(N≠M的情況下為Moore-Penrose型偽逆矩陣)，比較通過[算式13]θq=arccosarg([Wjq-1]/[Wj′q-1])2πfv-1d···(17)]]>(其中，v是信號的速度，d是傳感器j和傳感器j’的間隔)的運算得到的信號的推定到來方向θq和從臨時存儲部90中提取出的變量SGk表示的集合Gk中包含的代表值，將與θq最近的代表值ai與第q個分離信號Ykq建立對應(步驟S12)。換言之，排列·定標解決部62-k對于該分離信號Ykq賦予表示代表值ai的標記∏kq(建立對應)。而且，之后，通過排列·定標解決部62-k從臨時存儲部90中提取分離矩陣W(f)，并將該各行Wq(f)設為Wq(f)←[W-1(f)]jqWq(f)，解決ICA的定標問題，將定標問題解決后的分離矩陣W(f)存儲在臨時存儲部90中。另外，為了后面的信號集中部80中的處理，最好在該處理中在所有的序列k中使用相同的j。被賦予了標記∏kq的各分離信號值Ykq被發(fā)送到時間區(qū)域變換部70-k。時間區(qū)域變換部70-k例如通過短時間逆離散傅立葉變換等，將在時間頻率區(qū)域中得到的各分離信號值Ykq變換為時間區(qū)域的信號值，并將該變換值存儲在臨時存儲部90(步驟S13)。另外，上述標記∏kq也與這些時間區(qū)域的信號值yk(t)＝[yk1∏k1(t)，...，ykV∏kV(y)]T建立關聯(lián)。進行該關聯(lián)建立時，首先，時間區(qū)域變換部70-k從臨時存儲部90中對于各頻率提取對應于分離信號值Ykq的標記∏kq。接著，時間區(qū)域變換部70-k判斷各頻率中的標記∏kq是否都相等。這里，在它們都相等的情況下，作為時間區(qū)域的信號值Ykq的標記，與對應于分離信號值Ykq的標記∏kq建立對應。另一方面，在它們不都相等的情況下，通過取決于多數(shù)來決定時間區(qū)域的信號值ykq的標記。接著，在掩?？刂撇?0中，從臨時存儲部90中提取變量SG和SGk，并將它們表示的G和Gk的集合G∪Gk設為新的集合G，將該集合G帶入變量SG，并將該變量SG存儲在臨時存儲部90中(步驟S14)。而且，掩?？刂撇?0從臨時存儲部90中讀取變量SG合SG0，并判斷該新的集合G是否與集合G0相等(步驟S15)。這里，如果不是G＝G0，則返回步驟S7的處理。另一方面，如果G＝G0，則在信號集中部80中，從臨時存儲部90中讀取從各系統(tǒng)k(時間區(qū)域變換部70-k/k＝1、...、u)輸出的分離信號ykq(t)，并進行這些選擇/集中，得到所有N個分離信號(步驟S16)。具體來說，例如，首先信號集中部80比較從臨時存儲部90讀取了的各分離信號ykq(t)的標記∏kq。這里，在判斷為多個系統(tǒng)k中不存在具有相同標記的分離信號值ykp(t)的情況下，信號集中部80輸出所有的分離信號值ykq(t)作為最終的分離信號值yi(t)(i＝i、...、N)(步驟S17)。另一方面，在判斷為在多個系統(tǒng)中存在具有相同標記的分離信號值的情況下，信號集中部80適當?shù)剡x擇這些標記相等的分離信號值的其中之一，作為最終的分離信號值yi(t)輸出，或計算具有相同標記的分離信號值的平均，將其作為輸出信號(步驟S17)。這里，適當?shù)剡x擇其中一個分離信號ykq(t)，并作為最終的分離信號值yi(t)輸出的處理的情況下，信號集中部80例如將具有相同標記ai的分離信號值Ykq(t)中具有最大功率的作為最終的分離信號值yi(t)輸出。而且，在將具有相同標記的分離信號值的平均作為最終的分離信號值yi(t)輸出的處理情況下，信號集中部80，例如設為[算式14]yi(t)=1KΣΠkq=ajykqΠkq(t)]]>(K是具有相同標記ai的分離信號的個數(shù))。通過以上，N個信號以少的失真被分離。<本方式的特征>通過現(xiàn)有的“現(xiàn)有方法2利用了信號的稀疏性的方法”提高分離性能時分離信號的失真增大是因為為了提高分離性能而充分減小上述的算式(3)的ε時，通過該二元掩模而取出的信號分量被限制，應作為本來原信號的分量取出的采樣的多數(shù)不被取出。換言之，在該情況下，各分離信號中裝入多個0分量，各分量信號不連續(xù)，發(fā)生MusicalNoise。與此相對，在該方式中，通過具有平滑的形狀的掩模，提取由大于等于2個小于等于M個的原信號構成的混合信號(限定信號)。因此，通過僅提取一個信號的值的“現(xiàn)有方法2”的二元掩模，可以提取對于寬范圍的相對值z(f，m)的信號(采樣)作為限定信號。因此，即使在某一時刻存在大于等于兩個同一頻率的觀測信號，且采樣值偏離本來應對應的代表值的情況下，可以提取這樣的采樣值的可能性提高。其結果，可以抑制分離信號中不連續(xù)地裝入0分量而引起的質量惡化(MusicalNoise的發(fā)生)。而且，本方式中N(N≥2)個信號混合，并以M個傳感器觀測的情況下，使用具有平滑的形狀的掩模進行信號的分離提取。該具有平滑的形狀的掩模與[現(xiàn)有方法2]的掩模(取0或者1的值的二元掩模)不同，具有其邊緣平滑地擴展的形狀。因此，如果使用該平滑的形狀的掩模，則即使在某一時刻存在大于等于兩個同一頻率的觀測信號，且采樣值偏離本來應對應的代表值a1、...、aN的情況下，由于也有對于該位置的掩模具有0以外的值的情況，所以通過值急劇地變化的二元掩模也可以提取多個信號。其結果，可以抑制分離信號中不連續(xù)地裝入0分量而引起的質量惡化。而且，由于平滑的形狀的掩模越接近邊緣部分則值越小，所以與在現(xiàn)有的二元掩模中僅增大ε的情況相比，分離性能的惡化也少。進而，由于考慮提取的限定信號僅由V(≤M)個源信號構成，所以分離問題變得簡單。從而，對于限定信號可以使用[現(xiàn)有方法1]或[現(xiàn)有方法3]容易地分離信號。而且，如后述的第三實施方式中所說明的，在V＝1的情況下，不需要使用[現(xiàn)有方法1]或[現(xiàn)有方法3]。<性能比較>以下，是比較通過[現(xiàn)有方法2]進行了信號分離的情況和通過本方式的方法[掩模2]進行了信號分離的情況的性能的表。在本例中，作為源信號，使用三個說話人(兩名男性、一名女性)的聲音信號，模擬由兩個無方向性麥克風觀測在沒有混響的環(huán)境中的這些混合信號的情況。另外，表中的SIR是信號干擾比(Signaltointerferenceratio)(dB)，是表示分離性能的指標。而且，SDR是信號失真比(Signaltodistortion)(dB)，是表示失真的程度的指標。表示雙方值大的一方性能好。SIR1以及SDR1對應于說話人1，SIR2以及SDR2對應于說話人2，SIR3以及SDR3對應于說話人3。而且，本方式的數(shù)據(jù)為縱向兩級，這分別對應于k＝1的系統(tǒng)的分離結果和k＝2的系統(tǒng)的分離結果。如該表所示，在本方式的方法中，幾乎不降低分離性能SIR，與現(xiàn)有方法2相比，可以得到格外高的SDR。這表示不能進行信號的失真少的分離。由此，本方式的方法對于在信號源的數(shù)目N多于傳感器的數(shù)目M的情況下以低失真分離信號有效。本方式也是第一發(fā)明的實施方式。本方式中，表示限定信號制作部使用“平滑的形狀的掩?！保蚁薅ㄐ盘柗蛛x部使用混合矩陣推定的分離方法的例子。另外，本方式中對于與第一實施方式共同的事項省略說明。圖8是例示本方式的信號分離裝置中僅得到V個分離信號值的一個系統(tǒng)的方框圖。另外，在圖8中，對于與第一實施方式共同的結構，賦予與第一實施方式相同的標號。如圖8所例示的，第一實施方式的信號分離裝置1和本方式的信號分離裝置在結構上的不同點在于，限定信號制作部50-k被限定信號制作部150-k置換，限定信號分離部60-k被限定信號分離部160-k置換。而且，掩模制作部151-k制作兩種掩模，和限定于V＝M這兩點也不同。以下，說明本方式的結構以及處理。首先，代表值生成部30(圖8)從臨時存儲部90中提取頻率區(qū)域變換部20(圖1)生成了的頻率區(qū)域的觀測信號值Xj(f，m)。接著，代表值生成部30(圖8)與第一實施方式同樣，在相對值計算部31中計算觀測值的相對值z(f，m)，在聚類部32中進行聚類，在代表值計算部33中計算代表值a1、a2、...、aN。另外，在本方式中，作為相對值z(f，m)，最好使用根據(jù)第i個和第j個任意的兩個傳感器中的觀測信號間相位差z1(f，m)得到的信號的到來方向[算式15]z3(f,m)=cos-1z1(f,m)v2πfd.]]>這些代表值a1、a2、...、aN被存儲在臨時存儲部90(圖1)之后，經(jīng)由掩?？刂撇?0(圖8)被發(fā)送到限定信號制作部150-k的掩模制作部151-k，掩模制作部151-k制作兩種掩模。一個是用于提取Gk中包含的V(＝M)個代表值所對應的V(＝M)個信號混合的限定信號的值X^(f，m)的掩模，是第一實施方式所示的平滑的形狀的掩模MDC(f，m)。另一個是僅提取一個信號的二元掩模Mk(f，m)，是與[現(xiàn)有方法2]所示的同樣的掩模[算式16]Mk(f,m)=1ak-ϵ≤z(f,m)≤ak+ϵ0otherwise(k=1,...,N)···(18).]]>這些掩模被存儲在臨時存儲部90中(圖1)。接著，限定信號提取部152-k(圖8)從臨時存儲部90(圖1)中讀取平滑的形狀的掩模MDC(f，m)和頻率區(qū)域的觀測信號值X(f，m)。然后，限定信號提取部152-k(圖8)計算將該掩模MDC(f，m)乘以頻率區(qū)域的觀測信號值X(f，m)的限定信號值X^(f，m)＝MDC(f，m)X(f，m)，并將其存儲在臨時存儲部90中(圖1)。這里，該限定信號值X^(f，m)被近似為V個信號的混合，所以[現(xiàn)有方法3]所述的混合矩陣推定法可以應用于限定信號分離部160-k中的信號的分離。這里，首先在限定信號分離部160-k的積運算部161-k(圖8)中，從臨時存儲部90中(圖1)讀取二元掩模Mk(f，m)和頻率區(qū)域的觀測信號值X(f，m)。然后，積運算部161-k(圖8)進行Xk^(f，m)＝Mk(f，m)X(f，m)的運算，并求僅包含一個信號的分離信號的值Xk^(f，m)，將其存儲在臨時存儲部90中(圖1)。接著，混合過程推定部162-k(圖8)從臨時存儲部90中(圖1)讀取Xk^(f，m)，與[現(xiàn)有方法3]同樣，計算由[算式17]H^ji(f)=E[Mi(f,mi)Xj(f,mi)Mi(f,mi)Xl(f,mi)]]]>=E[X^j(f,mi)X^l(f,mi)]=E[Hji(f)Si(f,mi)Hli(f)Si(f,mi)]=E[Hji(f)Hli(f)]]]>推定出的混合矩陣H^。另外，該混合矩陣H^的大小為N×M。另外，沒必要由所有的序列k來求該混合矩陣，也可以將由某一序列推定了的H^存儲在臨時存儲部90中，并依次讀取使用。該混合矩陣H^被發(fā)送到逆矩陣計算部163-k，逆矩陣計算部163-k首先降低該混合矩陣H^的秩(rank)。即，僅取出混合矩陣H^中由V個信號構成的限定信號X^(f，m)所對應的V列(即，Gk中包含的V個代表值ai所對應的列)，并制作V×V的正方矩陣H^M。這是為了進行與V個信號的混合近似的限定信號X^(f，m)的分離。接著，逆矩陣計算部163-k計算制作好的正方矩陣H^M的逆矩陣H^M-1(f)，將其存儲在臨時存儲部90中(圖1)。積運算部164-k(圖8)從臨時存儲部90中(圖1)讀取限定信號值X^(f，m)和逆矩陣H^M-1(f)，并通過Yk(f，m)＝H^M-1(f)X^(f，m)的運算，來計算V個分離信號值的推定值Yk(f，m)＝[Yk1∏k1(f，m)，...，YkV∏kV(f，m)]T。另外，在所述算式(17)中，代替W-1使用H^M來求信號的推定到來方向，并判斷該方向接近哪個代表值ai，從而進行表示分離信號Ykq(q＝1、...V)對應于哪個源信號的信息的賦予。本方式也是第一本發(fā)明的實施方式。在本方式中，使用“平滑的形狀的掩?！?，根據(jù)觀測信號僅提取由任何一個信號源發(fā)出的信號構成的信號(在本方式中稱其為“限定信號”)，并將提取了的限定信號設為分離信號。另外，在本方式中，對于與第一實施方式共同的事項省略說明。圖9是僅例示本方式的信號分離裝置中得到一個分離信號的一個系統(tǒng)部分的方框圖。另外，在圖9中，對于與第一實施方式共同的結構，附加與第一實施方式相同的標號。如圖9所例示的，第一實施方式的信號分離裝置1和本方式的信號分離裝置結構上的不同點在于，限定信號制作部50-k被限定信號制作部250-k置換，以及本方式的信號分離裝置中僅存在限定信號分離部60-k。以下，說明本方式的結構以及處理。首先，代表值生成部30(圖9)從臨時存儲部90中(圖1)提取頻率區(qū)域變換部20生成的頻率區(qū)域的觀測信號值Xj(f，m)。代表值生成部30(圖9)與第一實施方式同樣，在相對值計算部31中計算觀測值的相對值z(f，m)，在聚類部32中進行聚類，在代表值計算部33中計算代表值a1、a2、...、aN。另外，作為相對值z(f，m)，可以使用相位差以及振幅比的至少一個或其映射(例如，根據(jù)相位差求的信號的到來方向)等，但在本方式中，將根據(jù)觀測信號間相位差求的信號的到來方向[算式18]z3(f,m)=cos-1z1(f,m)v2πfd]]>設為相對值。這些代表值a1、a2、...、aN，存儲在臨時存儲部90中(圖1)，限定信號制作部250-k的掩模制作部251-k(圖9)讀取這些代表值a1、a2、...、aN，并生成用于提取其中一個代表值ai的“平滑的形狀的掩?！薄Ａ硗?，本方式的“平滑的形狀的掩?！睂τ诎琕(V＝1)個代表值的限定范圍內的相對值為高電平值，對于不在該限定范圍內的代表值為低電平值，是伴隨相對值的變化的從高電平值向低電平值的推移連續(xù)的函數(shù)。以下，說明本方式的“平滑的形狀的掩?！钡纳身樞?。首先，掩模制作部251-k生成(M×N)的延遲矩陣HNBF(f)。即，掩模制作部251-k提取臨時存儲部90(圖1)中存儲了的代表值a1、a2、...、aN中的一個(提取的信號的到來方向的推定值)，并將其設為θ1。而且，掩模制作部251-k從臨時存儲部中(圖1)提取除此以外的N-1個代表值(不提取的信號的到來方向的推定值)，將它們設為θi(i＝2、...、N)。這些以θ1及θi被存儲在臨時存儲部90中(圖1)。掩模制作部251-k從臨時存儲部90中依次提取θ1以及θi，并計算τji＝(dj/v)cosθi(j＝1、...、N)，并計算延遲矩陣HNBF(f)的ji元素HNBFji(f)＝exp(j2πfτji)從而依次存儲在臨時存儲部90中。另外，dj是傳感器1和傳感器j的距離(dj為0)，f是頻率的變量，v是信號的速度。這些參數(shù)例如事先被存儲在臨時存儲部90中，并被依次調用而使用。通過以上的處理，生成(N×N)的延遲矩陣HNBF(f)。接著，掩模制作部251-k使用該延遲矩陣HNBF(f)制作具有死角光束發(fā)生器(NBF)的特性的NBF矩陣W(f)。這通過計算延遲矩陣HNBF(f)的逆矩陣W(f)＝HNBF-1(f)而得到。該逆矩陣W(f)＝HNBF-1(f)被存儲在臨時存儲部90中。然后，掩模制作部251-k從臨時存儲部90中依次提取該NBF矩陣W(f)的第一行的要素W1k(f)、dk以及v，并生成所述的算式(10)所示的方向特性函數(shù)F(f，θ)。之后，掩模制作部251-k使用該方向特性函數(shù)F(f，θ)生產(chǎn)平滑的形狀的掩模MDC(f，m)。具體來說，例如，作為本方式的平滑的形狀的掩模MDC(f，m)，生成第一實施方式中的算式(11)所示的掩模(設為[掩模7])或算式(12)所示的掩模(設為[掩模8])。而且，例如，也可以生成如下那樣具有將除去信號區(qū)域的增益一樣減小的特性的[平滑的形狀的掩模]。[掩模9][掩模10]θr是最接近除去的N-1個信號的到來方向的推定值(提取的代表值ai以外的N-1個代表值)中不除去的信號的到來方向的推定值(提取的代表值ai)的值。而且，例如[算式20][掩模11]這樣，也可以使用對于取出的方向特性均一的掩模MDC(f，m)。而且，在過渡區(qū)域中也可以使用MDC(f，m)＝|F(f，z3(f，m))|([掩模12])。圖10表示上述[掩模8][掩模12]的例子。這些是信號數(shù)N＝3、傳感器數(shù)M＝2的情況下，提取從ai的方向到來的信號，并抑制a2以及a3的方向到來的信號“平滑的形狀的掩?！钡睦?。掩模生成部251-k所生成的平滑的形狀的掩模MDC(f，m)被發(fā)送到限定信號提取部252-k，限定信號提取部252-k通過Yk(f，m)＝MDC(f，m)Xj(f，m)提取分離信號Yk(f，m)。以上的處理由多個系統(tǒng)實施，直到所有的分離信號被提取，最終得到所有的分離信號Y(f，m)。然后，信號分離裝置將得到了的分離信號Y(f，m)在時間區(qū)域變換部中返回時間區(qū)域的信號，并原樣通過信號集中部而輸出。<性能比較>以下，是比較用[現(xiàn)有方法2]進行了信號分離的情況，和通過本方式的方法使用[掩模8][掩模11]進行了信號分離的情況的性能的表。在本例中，作為信號源，使用三個說話人(兩名男性、一名女性)的聲音信號模擬由兩個無方向性麥克風觀測在沒有混響的環(huán)境下的這些混合信號的狀況。在本例是在表2的狀況下改變了信號的混合方式(具體是說話人的位置配置)的情況的模擬結果。本例是在表2的狀況下改變了說話人的組合(三名男性)的情況的例子。如這些表所示，在本方式中，幾乎不降低分離性能SIR，與現(xiàn)有方法2相比可以得到格外高的SDR。這表示可以進行信號的失真少的分離。由此，可知本方式的方法在信號源的數(shù)目N多余傳感器的數(shù)目M的情況下以低失真分離信號有效。本方式也是第一本發(fā)明的實施方式。在本方式中，對二元掩模地平滑的形狀的函數(shù)進行卷積，生成平滑的形狀的掩模。以下，僅說明掩模制作部(相當于圖1中的掩模生成部51-k)中的處理。另外，關于其它的結構或處理與第一至第三實施方式同樣。而且，在本方式中，可以使用根據(jù)第一實施方式中說明了的相位差z1(f，m)、振幅比z2(f，m)、相位差z1(f，m)得到的信號的到來方向z3(f，m)等作為相對值z(f，m)。圖11是例示本方式中的掩模制作部300-k的結構的方框圖。掩模制作部300-k的處理開始時，首先二元掩模制作部301-k對于包含V個代表值的規(guī)定的范圍內的相對值取高電平值，并對不在該范圍內的相對值取低電平值，生成伴隨相對值的變化的從對應高電平值向對應低電平值的推移不連續(xù)的函數(shù)的二元掩模。例如，掩模制作部300-k生成用于提取V個信號混合了的信號的二元掩模[算式21]Fb(z)=1amin≤z≤amax0otherwise.]]>另外，在提取包含從ak+1到ak+V的V個代表值的信號的情況下，amin、amax例如設定在ak＜amin＜ak+1，ak+V＜amax＜ak+V+1的范圍。它們也可以適當設定，但更具體來說，例如，通過以下的處理來計算amin、amax。首先，掩模制作部300-k讀取臨時存儲部90(圖1)中存儲了的相對值z(f，m)、類Ci以及代表值ai(i＝1、...、N)(參照第一實施方式的步驟S3～5)，并通過[算式22]σ2(f)i=(1/|Ci|)Σm∈Ti(z(f,m)-ai(f))2···(22)]]>的運算來計算類Ci的分散值。另外，|Ci|是屬于類Ci的相對值z(f，m)的數(shù)目。而且，該分散值的計算例如使用EM算法(例如，參照‘尾上守夫監(jiān)譯“パタ一ン識別”、新技術コミュニケ一ションズ，ISBN4-915851-24-9，第10章’等。)，對數(shù)據(jù)應用高斯模型而求解。計算出的分散值σ2i被存儲在臨時存儲部90中(圖1)，接著，掩模制作部301-k(圖11)讀取臨時存儲部90中存儲了的分散值σ2i以及代表值ai(在本例中為類Ci的平均值)，并使用它計算[算式23]amin=σk+1·ak+σk·ak+1σk+1+σk···(23)]]>amax=σk+V·ak+V+1+σk+V+1·ak+Vσk+V+σk+V+1]]>(amin、amax的具體的計算例的說明結束)。以上那樣生成的二元掩模Fb(z)存儲在臨時存儲部90中(圖1)。接著，單峰性函數(shù)生成部302-k(圖11)生成伴隨z的變化而值連續(xù)地變化的單峰性函數(shù)g(z)，并存儲在臨時存儲部90中(圖1)。另外，作為單峰性函數(shù)g(z)，例如可以例示高斯[算式24]g(z)=12πσ2exp{-12{zσ}2}]]>等平滑的形狀的函數(shù)。另外，σ表示g(z)的標準偏差。例如，在取出ak+1～ak+v的情況下，作為σ，最好適當?shù)卦O定，以便amin-σ＞ak+σk、amax+σ＜ak+v+1-σk+v+1，例如，可以為σ＝min(σk，σk+v+1)。另外，σk以及σk+v+1由算式(22)得到。而且，min(α，β)表示取α以及β中小的一個。接著，卷積混合部303-k(圖11)從臨時存儲部90(圖1)中讀取二元掩模Fb(z)以及單峰性函數(shù)g(z)，并計算該二元掩模Fb(z)和單峰性函數(shù)g(z)卷積的函數(shù)F(z)＝Fb(z)*g(z)，并將其存儲在臨時存儲部90中(圖1)。這里，*是關于z的卷積的運算符號。然后，接著，掩模構成部304-k(圖11)從臨時存儲部90(圖1)中讀取相對值z(f，m)以及函數(shù)F(z)，并生成將相對值z(f，m)帶入函數(shù)F(z)的掩模MDC(f，m)＝F(z(f，m))...(24)，存儲在臨時存儲部90(圖1)中。另外，將在二元掩模Fb(z)的兩端附加了某一斜率的直線(曲線)的形狀的掩模設為平滑的形狀的函數(shù)F(z)，并求算式(24)的掩模也可以。而且，掩模構成部304-k(圖11)讀入代表值ai(本例中為類Ci的平均值)和如算式(22)(23)那樣求出的分散值σ2i以及amin、amax，并計算具有平均ai(f)、分散σ2i(f)的高斯[算式25]gi(z)=12πσi2exp{-12{z-aiσi}2},]]>進而，通過將gi(z)替換為gi(z)/gi(ai)從而將ai中的值歸一化為1，并計算F(z)=gk(z)amin>z1amin≤z≤amaxgk+Vamax<z,]]>并求算式(24)的掩模也可以。本方式也是第一本發(fā)明的實施方式。本方式根據(jù)奇函數(shù)的差生成平滑的形狀的掩模。以下，僅說明掩模制作部(相當于圖1中的掩膜生成部51-k)的處理。另外，關于其它的結構和處理，與第一至第三實施方式同樣。本方式的掩模制作部作為平滑的形狀的掩模，生成根據(jù)相對值為規(guī)定范圍的下限值amin的情況下取0的第一奇函數(shù)，和相對值為限定范圍的上限值amax的情況下取0的第二奇函數(shù)的差的映射而得到的單峰性的函數(shù)。例如，將MDC(f，m)＝{tanh(z(f，m)-amin)-tanh(z(f，m)-amax)}α設為“平滑的形狀的掩?！?。另外，相對值z(f，m)使用第一實施方式等所示的相位差z1(f，m)以及振幅比z2(f，m)的至少一個，或者其映射(例如，根據(jù)相位差求的信號的到來方向z3(f，m))等。而且，α是任意的正數(shù)，amin、amax是與第四實施方式同樣求出的值。而且，根據(jù)需要，也可以實施MDC(f，m)＝MDC(f，m)/max(MDC(f，m))等的歸一化。本方式也是第一本發(fā)明的實施方式。本方式的掩模在圖1以及圖2的掩模制作部51-k中制作，對于包含V個代表值的規(guī)定的范圍內的相對值取高電平值，對于不在規(guī)定的范圍內的代表值取低電平值，是從高電平值到低電平值的推移不連續(xù)的函數(shù)(二元掩模)。其中，2≤V≤M。即，例如，作為二元掩模制作[算式26]B(f,m)=1amin≤z(f,m)≤amax0otherwise---(25).]]>另外，在提取包含從ak+1到ak+V的V個代表值的信號的情況下，amin、amax例如設定在ak＜amin＜ak+1，ak+V＜amax＜ak+V+1的范圍。更具體來說，例如通過與第四實施方式所述的方法同樣的順序生成amin、amax。而且，在本方式中也可以使用相位差z1(f，m)、振幅比z2(f，m)、根據(jù)相位差z1(f，m)得到的信號的到來方向z3(f，m)等作為相對值z(f，m)使用。而且，從amin到amax的范圍中包含的相對值z(f，m)的數(shù)目大于等于傳感器的數(shù)目2小于等于傳感器的數(shù)目M，優(yōu)選為傳感器的數(shù)目M。進而，與第一實施方式同樣，在本方式中制作多個二元掩模B(f，m)。具體來說，例如，掩模控制部40(圖1、圖2)從臨時存儲部90中讀取代表值a1、a2、...、aN，將確定具有這些代表值a1、a2、...、aN作為元素的集合G0的數(shù)據(jù)帶入變量SG0，并將該變量SG0存儲在臨時存儲部90中。而且，掩?？刂撇?0將確定集合G的變量SG初始化為G＝φ(空集)，將變量k設為0，并將它們存儲在臨時存儲部90中(圖4步驟S6)。接著，基于掩?？刂撇?0的控制進行限定信號制作部50-k(k＝1、...、u)、限定信號分離部60-k以及時間區(qū)域變換部70-k的多個系統(tǒng)(u系統(tǒng))的處理，直到得到所有N個分離信號。首先，掩?？刂撇?0將存儲在臨時存儲部90中的變量k加1的值設為新的變量k，并再次存儲在臨時存儲部90中(圖4步驟S7)。接著，掩模控制部40從臨時存儲部90中調用變量SG0以及SG。然后，掩?？刂撇?0從由變量SG0確定的集合G0中選擇包含由SG確定的集合G的補集(Gc(αc表示α的補集))的元的適當?shù)腣(≤M)個代表值的集合Gk，并將確定該集合Gk的數(shù)據(jù)帶入變量SGk，將該變量SGk存儲在臨時存儲部90中(圖4步驟S8)。限定信號制作部50-k的掩模制作部51-k讀取存儲在臨時存儲部90中的變量SGk，并制作提取具有由該變量SGk確定的集合Gk作為代表值的類的信號的二元掩模(圖4步驟S9)。圖12A是本方式中的二元掩模的例示。本例是對于包含兩個代表值a1、a2的規(guī)定的范圍內的相對值z3(f，m)取高電平值(例如1)，對于不在該規(guī)定的范圍內的代表值a3取低電平值(例如0)的二元掩模的例子。該圖的縱軸表示二元掩模的增益，橫軸表示相對值z3(f，m)(信號的到來方向(deg.))。如該圖所示，本例的二元掩模的高電平值平坦(flat)，該高電平值和低電平值不連續(xù)。另外，關于其它的結構和處理，與第一以及第二實施方式同樣。即，在本方式中，使用二元掩模B(f，m)代替第一以及第二實施方式中使用的平滑的形狀的掩膜MDC(f，m)，并根據(jù)頻率區(qū)域的信號值提取由V個信號源發(fā)出的信號構成的混合信號(在本方式中將其稱為“限定信號”)的值，并執(zhí)行第一或者第二實施方式的處理。而且，使用二元掩膜B(f，m)，根據(jù)頻率區(qū)域的信號值，提取由從V個信號源發(fā)出的信號構成的混合信號的值的處理，通過對頻率區(qū)域的觀測信號值Xj(f，m)乘以二元掩膜B(f，m)來進行(X^(f，m)＝B(f，m)X(f，m))。<本方式的特征>通過現(xiàn)有的“現(xiàn)有方法2利用了信號的稀疏性的方法”提高分離性能時分離信號的失真增大是因為為了提高分離性能而充分減小上述的算式(3)的ε時，通過該二元掩模而取出的信號分量被限制，應作為本來原信號的分量取出的采樣的多數(shù)不被取出。換言之，在該情況下，各分離信號中裝入多個0分量，各分離信號不連續(xù)，發(fā)生MusicalNoise。與此相對，在本方式中，通過二元掩膜B(f，m)提取由大于等于兩個小于等于M個原信號構成的混合信號(限定信號)。因此，與提取僅一個信號的值的“現(xiàn)有方法2”的二元掩模相比，可以提取對于寬范圍的相對值z(f，m)的信號(采樣)作為限定信號。例如，圖12A的例子的情況下，相對值z(f，m)不僅提取代表值a1或a2附近的采樣值，也可以提取相對值z(f，m)位于a1和a2之間的采樣值。而且，例如，位于a1和a2之間的采樣為對應于代表值a1或a2的采樣的可能性高。因此，即使在某一時刻存在大于等于兩個同一頻率的觀測信號，且采樣值偏離本來應該對應的代表值的情況下，可以提取這樣的采樣值的可能性也高。其結果，可以抑制分離信號中不連續(xù)地裝入0分量而引起的質量惡化(MusicalNoise的發(fā)生)。<二元掩模的裝入0的影響的驗證>以下，在由兩個無方向性麥克風觀測三個說話人的聲音信號s1、s2、s3的情況下(N＝3，M＝2的情況)，討論二元掩模的裝入0的影響。將由二元掩模裝入0而失去了的信號的功率的比例定義為[算式27]Σt|si(t)|2-Σt|yi(t)|2Σt|si(t)|2×100···(26)]]>時，現(xiàn)有的“利用了信號的稀疏性的方法(現(xiàn)有方法2)”中，s117％、s214％、s323％的信號的功率由于二元掩模而失去。另一方面，本方式的二元掩膜B(f，m)的信號的功率惡化，在將限定信號設為s1和s2的兩個信號的混合的情況下為s12.5％、s25.7％，在s2和s3的兩個信號的混合的情況下為s18.1％、s20.7％。即，在本方式中，可知二元掩膜B(f，m)引起的信號的惡化比現(xiàn)有方法少。這表示在本方式中，難以發(fā)生MusicalNoise。<性能比較>以下，表示本方式的模擬結果。本例根據(jù)本方式的二元掩膜提取限定信號，將ICA提供給該限定信號而進行信號分離的例子。而且，在本例中，作為原信號，使用三個說話人(兩名男性、一名女性)的聲音信號，模擬由兩個無方向性麥克風觀測在沒有混響的環(huán)境中的這些混合信號的情況。如該表所示，在本方式的方法中，幾乎不降低分離性能SIR，與現(xiàn)有方法2相比，可以得到格外高的SDR。這表示本方式的方法以格外低的失真進行信號的分離。本方式也是第一本發(fā)明的實施方式，是上述第六實施的變形例。即，本方式也是在2≤V≤M的情況下使用二元掩模提取限定信號的方式，但與二元掩膜B(f，m)的制作方法以及限定信號的計算處理有不同。以下，僅就該二元掩膜B(f，m)的制作方法以及限定信號的計算處理進行說明，對于其它的處理以及功能結構，由于與第一實施方式或第二實施方式相同，所以省略說明。本方式的二元掩膜B(f，m)由于提取上述限定信號以外的觀測信號分量。即，本方式的掩模制作部制作的二元掩膜B(f，m)對于包含V個代表值(將該集合設為Gk)的規(guī)定的范圍內的相對值取低電平，對于該規(guī)定的范圍內沒有的代表值(Gkc)取高電平值，是從高電平向低電平的移動不連續(xù)的函數(shù)。其中，2≤V≤M。即，本方式的掩模制作部51-k例如對于Gkc中包含的代表值生成上述算式(3)所示的二元掩模。而且，在本方式中，可以使用相位差z1(f，m)、振幅比z2(f，m)、根據(jù)相位差z1(f，m)得到的信號的到來方向z3(f，m)等作為z(f，m)。圖12B是本方式的二元掩膜B(f，m)的例示。本例是對于包含V＝2個代表值a1、a2的規(guī)定范圍內的相對值z3(f，m)取低電平值(例如0)，對于不在該規(guī)定的范圍內的代表值a3取高電平值(例如1)的二元掩模的例子。該圖的縱軸表示二元掩膜的增益，橫軸表示相對值z3(f，m)(信號的到來方向(deg.))。如該圖所示，本例的二元掩模的高電平值平坦，該高電平值和低電平值不連續(xù)。而且，本方式的限定信號提取部將對頻率區(qū)域的信號值Xj(f，m)乘以該二元掩膜B(f，m)的值從頻率區(qū)域的信號值Xj(f，m)減去，并提取限定信號值X^(f，m)。例如，對于集合Gkc中包含的N-M個代表值制作上述算式(3)所示的二元掩模Mi(f，m)，通過計算[算式28]X^(f,m)=X(f,m)-ΣGkc{Mi(f,m)X(f,m)}···(27)]]>來計算僅由M個原信號構成的限定信號的值X^(f，m)。另外，上述算式(3)的二元掩模Mi(f，m)是分別僅對一個代表值取高電平值的二元掩模，但也可以使用對大于等于兩個代表值取高電平值的二元掩模執(zhí)行本方式的處理。而且，也可以代替二元掩模使用上述平滑的形狀的掩模執(zhí)行本方式的處理。計算限定信號X^(f，m)時，進行與以后第一實施方式或者第二實施方式同樣的限定信號分離、時間區(qū)域變換、信號集中的處理。本方式是第二本發(fā)明的例子，在由M個傳感器觀測信號的狀況下，將觀測值聚類在M維區(qū)域，并定義掩模的方法。另外，以下以與第一實施方式的不同點為中心進行說明，對于與第一實施方式共同的事項省略說明。圖13是例示本方式中的代表值生成部430、掩模制作部40以及限定信號制作部450-k的結構的方框圖。另外，該圖僅表示得到V個分離信號的一個系統(tǒng)。另外，在本方式中為1≤V≤M。本方式的信號分離裝置和第一實施方式的信號分離裝置1的結構上的不同點是代表值生成部以及限定信號制作部。即，代替第一實施方式的信號分離裝置1的代表值生成部30(圖1)設置代表值生成部430(圖13)，代替信號分離裝置1的限定信號制作部50-k(圖1)設置限定信號制作部450-k(圖13)。對于其它的結構與第一實施方式同樣。圖14是用于說明本方式的信號分離處理的流程圖。以下，根據(jù)該流程圖說明本方式的信號分離處理。首先，作為預處理，將各存儲器中觀測到的時間區(qū)域的各觀測信號xj(j＝1、...、M)預先存儲在存儲部2(圖1)中。然后，信號分離處理開始時，信號分離處理器3基于控制部10的控制執(zhí)行以下的處理。首先，信號分離處理器3基于控制部10的控制訪問存儲部2，并從那里依次讀取觀測信號值xj(t)，并發(fā)送到頻率區(qū)域變換部20(步驟S21)。頻率區(qū)域變換部20通過短時間離散傅立葉變換等，將這些信號值依次變換為各時間的頻率區(qū)域的觀測信號值Xj(f，m)，并存儲在臨時存儲部90中(步驟S22)。接著，聚類部432(圖13)讀取存儲在臨時存儲部90(圖1)中的頻率區(qū)域的觀測信號值X1(f，m)、...、XM(f，m)。然后，聚類部432(圖13)將由這些頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)構成的觀測信號矢量(相當于“第一矢量”)X(f，m)＝[X1(f，m)、...、XM(f，m)]對于每個頻率f聚類在各N個類Ci(f)(i＝1、...、N)中，并生成與信號源數(shù)N相等的N個類Ci(i＝1、...、N)(步驟S23)。另外，生成的N個類Ci被存儲在臨時存儲部90(圖1)中。這里，本方式的類是觀測信號矢量X(f，m)的集合，使用離散時間m的集合Ti標記為Ci(f)＝{X(f，m)|m∈Ti}。而且，聚類的目的在于將相同信號源為支配的(具有主要分量)采樣(觀測信號矢量X(f，m))分類于相同的類中。另外，得到的N個類C1(f)、...、CN(f)不必互相為素(Ci(f)∩Cj(f)為空集，i≠j)，而且也可以存在不屬于類的元素[算式29]X(f,m)∉∪i=1NCi.]]>[聚類部432中的處理的細節(jié)]這里，進一步詳細說明聚類部432的處理。本例的聚類部432進行各采樣的歸一化之后進行聚類，以便適當執(zhí)行聚類，即相同的信號源為支配的采樣(觀測信號矢量X(f，m))被分類于相同的類。具體來說，例如首先歸一化部432a(圖13)從臨時存儲部90(圖1)中讀取觀測信號矢量X(f，m)，并計算[算式30]sign(Xj(f,m))=Xj(f,m)/|Xj(f,m)|(|Xj(f,m)|≠0)0(|Xj(f,m)|=0)···(28),]]>并進行X(f,m)←X(f,m)/signXj(f,m)(|Xj(f,m)|≠0)X(f,m)(|Xj(f,m)|=0)···(29),]]>的歸一化，類生成部432b進行該歸一化結果的聚類。而且，如果進一步需要，則本例的歸一化部432a在進行了算式(28)(29)的歸一化之后，進一步進行X(f,m)←X(f,m)/||X(f,m)||(||X(f,m)||≠0)X(f,m)(||X(f,m)||=0)···(30),]]>類生成部432b進行該歸一化結果的聚類。其中，矢量的長度||X(f，m)||是X(f，m)的模，具體來說，例如，使用以[算式32]Lk(X(f,m))=(Σj=1M|Xj|k(f,m))1/k···(31)]]>定義的L2模||X(f，m)||＝L2(X(f，m))。而且，作為類生成部432b進行的聚類的方法，例如可以使用層級聚類或k-means聚類等多個教科書中說明的方法(例如，參照‘尾上守夫監(jiān)譯“パタ一ン識別”、新技術コミュニケ一ションズ，ISBN4-915851-24-9，第10章’等。)。另外，任何的聚類方法都是定義兩個采樣X(f，m)和X’(f，m)的距離，根據(jù)其測定采樣間的遠近，并進行聚類，以便盡可能距離近的采樣包含于相同的類中。例如，在僅通過上述算式(29)使采樣歸一化的情況下，類生成部432b使用歸一化了的兩個觀測信號矢量X(f，m)間的正弦距離作為距離尺度來進行聚類。另外，兩個采樣X(f，m)和X’(f，m)的正弦距離由1-XH(f，m)·X’(f，m)/(||X(f，m)||·||X’(f，m)||)...(32)來定義。而且，上述算式(29)和算式(30)被歸一化了的情況下，類生成部432b使用歸一化了的兩個觀測信號矢量間的差(X(f，m)-X’(f，m))的L2模||X(f，m)-X’(f，m)||＝L2(X(f，m)-X’(f，m))，任意的k的Lk模，或者正弦距離(算式(32))作為距離尺度進行聚類([聚類部432中的處理的細節(jié)]的說明結束)。接著，代表值計算部433依次提取存儲在臨時存儲部90(圖1)中的各類Ci(f)，并計算代表各類Ci(f)的代表矢量(相當于“第二矢量”)ai(f)(步驟S24)。例如，首先代表值計算部433的代表矢量生成部433a(圖13)依次提取存儲在臨時存儲部90(圖1)中的各類Ci(f)，計算屬于各類Ci(f)的采樣的值X(f，m)的平均值[算式33]ai(f)=ΣX(f,m)∈Ci(f)X(f,m)/|Ci(f)|]]>作為關于各信號源的代表矢量ai(f)?；蛘?，也可以將輸入各類Ci(f)的采樣X(f，m)適度量子化，求最頻繁值而將其作為代表矢量ai(f)。這樣求出的代表矢量ai(f)被存儲在臨時存儲部90(圖1)中。接著，分類部433b(圖13)從臨時存儲部90(圖1)讀取這些代表矢量a1(f)、...、aN(f)，更換各代表矢量ai(f)的下標i，以便與這些各代表矢量a1(f)、...、aN(f)的各源信號sk(t)的對應在所有的頻率f中相等(步驟S25)。具體來說，例如首先，分類部433b(圖13)使用讀取了的各頻率f的代表矢量ai(f)，通過[算式34]θi(f)=arccosarg(aji(f)/aj′i(f))2πfv-1||dj-dj′||···(33)]]>的運算，計算對于各頻率f的源信號i的到來方向的推定值θi(f)。另外，dj是傳感器j的位置，v是信號的速度，aji(f)是代表矢量aj(f)的第i個元素，dj以及v例如使用預先存儲在臨時存儲部90中的數(shù)據(jù)。計算出的各推定值θi(f)例如對應于該計算所使用的代表矢量ai(f)而存儲在臨時存儲部90(圖1)中。接著，分類部433b(圖13)例如從臨時存儲部90中讀取各推定值θi(f)，并將它們對于各頻率f以規(guī)定的順序(例如，升序、降序等)排列。另外，該排列例如通過公知的排列算法來進行。然后，表示該排列后的各f中的各代表矢量ai(f)的順序的信息(j’(f，ai(f))＝1、2、...、N)被存儲在臨時存儲部90(圖1)中。然后，分類部433b(圖13)例如從臨時存儲部90中讀取該順序信息j’(f，ai(f))，并改變各代表矢量和i的對應(更換ai(f)的下標i)，以便該ai(f)對應于第j’(f，ai(f))個源信號。然后，更換了該下標i的各代表矢量ai(f)被存儲在臨時存儲部90中(圖1)。接著，掩?？刂撇?0將指定具有這些各代表矢量ai(f)作為元素的集合G0的數(shù)據(jù)帶入變量SG0，并將該變量SG0存儲在臨時存儲部90中。而且，掩?？刂撇?0將指定集合G的變量SG初始化為G＝φ(空集)，將變量k設為0，并將它們存儲在臨時存儲部90中(步驟S26)。接著，基于標記控制部40的控制，進行限定信號制作部50-k(k＝1、...、u)、限定信號分離部60-k以及時間區(qū)域變換部70-k的多個系統(tǒng)(u系統(tǒng))的處理，直到得到所有N個分離信號。首先，掩模控制部40將存儲在臨時存儲部90中的變量k加上1的值設為新的變量k，并再次存儲在臨時存儲部90中(步驟S27)。接著，掩?？刂撇?0從臨時存儲部90(圖1)中調用變量SG0以及SG。然后，掩?？刂撇?0從由變量SG0指定了的集合G0中，選擇包含由SG指定的集合G的補集(Gc(αc表示α的補集))的元的適當?shù)腣(≤M)個代表矢量ap(f)(p＝1、......、V)(相當于第三矢量)的集合Gk，并將指定該集合Gk的數(shù)據(jù)帶入變量SGk，將該變量SGk存儲在臨時存儲部90中(步驟S28)。即，掩?？刂撇?0從各代表矢量a1(f)、...、aN(f)中提取作為限定信號取出的V個信號所對應的V個代表矢量ap(f)(p＝1、......、V)。在本方式中，提取接近該集合Gk中包含的矢量ap(f)的采樣值X(f，m)，不提取接近不包含在集合Gk中的代表矢量(集合Gkc的元素，*c表示*的補集)的采樣值X(f，m)，從而制作V個信號混合的限定信號X^(f，m)。因此，在本方式中，限定信號制作部450-k的掩模制作部451-k(圖13)從臨時存儲部90(圖1)中讀取變量SGk、SG0以及觀測信號矢量X(f，m)，并生成以下的掩模Mk(f，m)(步驟S29)。Mk(f,m)=1maxap(f)∈GkD(X(f,m),ap(f))<minaq(f)∈GkcD(X(f,m),aq(f))0otherwise]]>另外，D(X(f，m)，ai(f))表示矢量X(f，m)和ai(f)的Mahalanobis平方距離D(X(f，m)，ai(f))＝(X(f，m)-ai(f))H∑-1(X(f，m)-ai(f))，∑表示類Ci的協(xié)方差矩陣Σ=1|Ci|Σ(X(f,m)-ai(f))(X(f,m)-ai(f))H,]]>|Ci|表示屬于類Ci的采樣數(shù)。而且，在知道源信號的大小大致相同的情況下，也可以是協(xié)方差矩陣∑＝I(單位矩陣)。該掩模Mk(f，m)被存儲在臨時存儲部90(圖1)中，限定信號提取部452-k(圖13)從臨時存儲部90中讀取掩模Mk(f，m)和觀測信號矢量X(f，m)，并運算掩模Mk(f，m)和觀測信號矢量X(f，m)的積Xk^(f，m)＝Mk(f，m)·X(f，m)，提取從V個信號源發(fā)出的限定信號值Xk^(f，m)(步驟S30)。該限定信號值Xk^(f，m)被存儲在臨時存儲部90(圖1)中之后，被發(fā)送到信號分離部60-k，限定信號分離部60-k使用該限定信號值Xk^(f，m)進行限定信號的信號分離(步驟S31)。這里，限定信號值Xk^(f，m)被近似為由V個(1≤V≤M)個信號源發(fā)出的信號構成的混合信號的值。從而，該分離矩陣的推定可以利用[現(xiàn)有方法1]中敘述的獨立分量分析的方法。即，作為獨立分量分析的輸入，使用限定信號值Xk^(f，m)代替觀測信號值X，例如使用[現(xiàn)有方法1]中敘述的算式(2)進行分離。另外，在V＝1的情況下，不需要步驟S31的處理。本實施例中的ICA的分離中，首先，在ICA分離矩陣推定部61-k(圖2)中，使用限定信號值Xk^(f，m)根據(jù)所述算式(2)的學習規(guī)則生成分離矩陣W(f，m)，并將該分離矩陣W(f，m)存儲在臨時存儲部90中。另外，該分離矩陣W(f，m)的生成，例如使用來自以下的排列·定標解決部62-k的輸出值Yk(f，m)的反饋。生成的分離矩陣W(f，m)被發(fā)送到排列·定標解決部62-k。排列·定標解決部62-k使用該分離矩陣W(f，m)和限定信號值Xk^(f，m)進行Yk(f，m)＝W(f，m)Xk^(f，m)的運算，并生成各個分離信號值Yk(f，m)＝[Yk1∏k1(f，m)，...，YkV∏kV(f，m)]T，將其存儲在臨時存儲部90中。然后，排列·定標解決部62-k例如反饋該分離信號值Yk(f，m)，通過[現(xiàn)有方法1]中敘述的方法解決排列問題。在排列問題的解決后，排列·定標解決部62-k進一步將表示分離信號值Ykq(q＝1、...、V)對應于哪一個源信號的標記∏kq賦予分離信號值Ykq(q＝1、...、V)，并將它們建立對應而存儲在臨時存儲部90中。這里，該標記∏kq表示為分離信號Ykq的上標∏kq。具體來說，例如，排列·定標解決部62-k使用從臨時存儲部90提取了的分離矩陣W(f)的逆矩陣(N≠M的情況下為Moore-Penrose型偽逆矩陣)，比較通過[算式36]θq(f)=arccosarg([Wjq-1(f)]/[Wj′q-1(f)])2πfv-1||dj-dj′||···(34)]]>(這里，v是信號的速度，dj是傳感器j的位置)的運算得到的信號的推定到來方向θq(f)和從臨時存儲部90中提取出的變量SGk表示的集合Gk中包含的代表矢量ap(f)，將與θq最近的代表值ap(f)與第q個分離信號Ykq建立對應(步驟S32)。換言之，排列·定標解決部62-k對于該分離信號Ykq賦予表示代表值ai的標記∏kq(建立對應)。之后，通過排列·定標解決部62-k從臨時存儲部90中提取分離矩陣W(f)，并將該各行Wq(f)設為Wq(f)←[W-1(f)]jqWq(f)，從而解決ICA的定標問題，將定標問題解決后的分離矩陣W(f)存儲在臨時存儲部90中。另外，為了后面的信號集中部80中的處理，最好在該處理中在所有的序列k中使用相同的j。被賦予了標記∏kq的各分離信號值Ykq被發(fā)送到時間區(qū)域變換部70-k。時間區(qū)域變換部70-k例如通過短時間逆離散傅立葉變換等，將在時間頻率區(qū)域中得到的各分離信號值Ykq變換為時間區(qū)域的信號值，并將該變換值存儲在臨時存儲部90(步驟S33)。另外，上述標記∏kq也與這些時間區(qū)域的信號值yk(t)＝[yk1∏k1(t)，...，ykV∏kV(t)]T建立關聯(lián)。進行該關聯(lián)建立時，首先，時間區(qū)域變換部70-k從臨時存儲部90中對于各頻率提取對應于分離信號值Ykq的標記∏kq。接著，時間區(qū)域變換部70-k判斷各頻率和時間中的標記∏kq是否都相等。這里，在它們都相等的情況下，作為時間區(qū)域的信號值Ykq的標記，與對應于分離信號值Ykq的標記∏kq建立對應。另一方面，在它們不都相等的情況下，通過取決于多數(shù)來決定時間區(qū)域的信號值ykq的標記。接著，在掩?？刂撇?0中，從臨時存儲部90中提取變量SG和SGk，并將它們表示的G和Gk的集合G∪Gk設為新的集合G，將該集合G帶入變量SG，并將該變量SG存儲在臨時存儲部90中(步驟S34)。而且，掩模控制部40從臨時存儲部90中讀取變量SG和SG0，并判斷該新的集合G是否與集合G0相等(步驟S15)。這里，如果不是G＝G0，則返回步驟S27的處理。另一方面，如果G＝G0，則在信號集中部80中，從臨時存儲部90中讀取從各系統(tǒng)k(時間區(qū)域變換部70-k/k＝1、...、u)輸出的分離信號ykq(t)，并進行這些選擇/集中，得到所有N個分離信號(步驟S36)。具體來說，例如，首先信號集中部80比較從臨時存儲部90讀取了的各分離信號ykq(t)的標記∏kq。這里，在判斷為多個系統(tǒng)k中不存在具有相同標記的分離信號值ykp(t)的情況下，信號集中部80輸出所有的分離信號值ykq(t)作為最終的分離信號值yi(t)(i＝i、...、N)(步驟S37)。另一方面，在判斷為在多個系統(tǒng)中存在具有相同標記的分離信號值的情況下，信號集中部80適當?shù)剡x擇這些標記相等的分離信號值的其中之一，作為最終的分離信號值yi(t)輸出，或計算具有相同標記的分離信號值的平均，將其作為輸出信號(步驟S37)。這里，適當?shù)剡x擇其中一個分離信號ykq(t)，并作為最終的分離信號值yi(t)輸出的處理的情況下，信號集中部80例如將具有相同標記ai的分離信號值Ykq(t)中具有最大功率的作為最終的分離信號值yi(t)輸出。而且，在將具有相同標記的分離信號值的平均作為最終的分離信號值yi(t)輸出的處理情況下，信號集中部80，例如設為[算式37]yi(t)=1KΣΠkq=ajykqΠkq(t)]]>(K是具有相同標記ai的分離信號的個數(shù))。通過以上，N個信號以少的失真被分離。另外，作為本方式的變形，不生成掩模M(f，m)，作為[算式38]X^k(f,m)=X(f,m)maxap(f)∈GkD(X(f,m),ap(f))<minaq(f)∈GkcD(X(f,m),aq(f))0otherwise]]>也可以生成直接限定信號值。即，例如，限定信號制作部450-k對觀測信號矢量X(f，m)判斷是否滿足[算式39]maxap(f)∈GkD(X(f,m),ap(f))<minaq(f)∈GkcD(X(f,m),aq(f)),]]>并提取判斷為滿足的觀測信號矢量X(f，m)，作為從信號源發(fā)出的信號的值也可以。本方式是第三發(fā)明的實施方式。<結構>圖15是例示本方式中的標識(brand)信號分離裝置500的結構的方框圖。另外，本圖中的箭頭表示數(shù)據(jù)的流動，省略出入控制部521和臨時存儲部522的數(shù)據(jù)的流動。即，即使在數(shù)據(jù)經(jīng)由控制部521和臨時存儲部522的情況下，也省略該經(jīng)由的過程。首先，使用該圖說明本方式的結構。如圖15所示，本方式的信號分離裝置500具有存儲部501和通過有線或無線方式與其電連接的信號分離處理器502。存儲部501，例如是硬盤裝置、軟盤、磁帶等磁記錄裝置、DVD-RAM(RandomAccessMemory)、CD-R(Recordable)/RW(ReWritable)等光盤裝置、MO(Magneto-Opticaldisc)等光磁記錄裝置、EEP-ROM(ElectronicallyErasableandProgrammable-ReadOnlyMemory)、閃存(flashmemory)等半導體存儲器等。而且，存儲部501也可以與信號分離處理器502存在于同一個機殼內，也可以被構成在不同的機殼內。而且，本例的信號分離處理器502例如是由處理器或RAM等構成的硬件，具有頻率區(qū)域變換部511、混合矩陣推定部512、排列問題解決部513、定標問題解決部514、列選擇部516、矩陣生成部517、分離矩陣生成部518、分離信號生成部519、時間區(qū)域變換部520、控制部521以及臨時存儲部522。而且，本例的混合矩陣推定部512具有聚類部512a、代表矢量計算部512b以及矢量集中部512c。進而，聚類部512a具有歸一化部512aa以及類生成部512ab。<處理>圖16是用于說明本方式中的信號分離裝置500的處理的整體的流程圖。以下，使用圖15以及圖16說明信號分離裝置500的處理。另外，以下說明從N(N≥2)個信號源發(fā)出的信號被混合并由M個傳感器觀測的情況。信號分離裝置500基于控制部521的控制執(zhí)行以下的處理。首先，從存儲部501中讀取由M個傳感器觀測了的觀測信號的值X1(t)、...XM(t)(t是時間)，并輸入頻率區(qū)域變換部511(圖15)。頻率區(qū)域變換部511通過將這些觀測信號值X1(t)、...XM(t)進行短時間離散傅立葉變換等，從而變換為頻率區(qū)域的信號值(每個頻率f的時間序列數(shù)據(jù))X1(f，m)、...XM(f，m)(m是離散時間)(步驟S51)。這些頻率區(qū)域的信號值X1(f，m)、...XM(f，m)被存儲在臨時存儲部522中，并由混合矩陣推定部512的聚類部512a讀入。聚類部512a將由這些信號值構成的觀測信號矢量X(f，m)＝[X1(f，m)、...、XM(f，m)]T對于每個頻率f聚類在各N個類Ci(f)(i＝1、...、N)(步驟S52)。各類Ci(f)被發(fā)送到代表矢量計算部512b，代表矢量計算部512b計算各類Ci(f)的代表矢量ai(f)(步驟S53)。各代表矢量ai(f)被存儲在臨時存儲部522中，矢量集中部512c依次提取它們，生成以各代表矢量ai(f)為列的推定混合矩陣A(f)＝[a1(f)、...、aN(f)](步驟S54)。生成的推定混合矩陣A(f)被存儲在臨時存儲部522中。排列問題解決部513從臨時存儲部522中讀取推定混合矩陣A(f)，排列推定混合矩陣A(f)的列來解決排列問題(步驟S55)。另外，在該處理中，也可以使用后述的分離信號的值Y1(f，m)、...、YN(f，m)作為反饋，在該情況下，可以更正確地解決排列問題。接著，在定標問題解決部514中將推定混合矩陣A(f)的列歸一化從而解決了定標問題之后(步驟S56)，使用該推定混合矩陣A(f)，分離矩陣生成部518生成分離矩陣W(f，m)(步驟S57)。生成的分離矩陣W(f，m)被存儲在臨時存儲部522中之后，從那里被發(fā)送到分離信號生成部519，分離信號生成部519從臨時存儲部522中讀取頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)，通過Y(f，m)＝W(f，m)X(f，m)的運算，計算分離信號矢量Y(f，m)＝[Y1(f，m)、...、YM(of，m)]T(步驟S58)。計算出的分離信號值Y1(f，m)、...、YN(f，m)被存儲在臨時存儲部522中，除了反饋到排列問題解決部513之外，也發(fā)送到時間區(qū)域變換部520。然后，時間區(qū)域變換部520通過每個下標i的短時間逆傅立葉變換等將分離信號值Y1(f，m)、...、YN(f，m)變換為時間區(qū)域的信號值y1(t)、...、yN(t)(步驟S59)，并得到時間區(qū)域的分離信號值yi(t)。接著，說明混合矩陣推定部512的處理的細節(jié)。另外，以下的處理適用于每個頻率。首先，聚類部512a收集從臨時存儲部522中讀取了的所有的傳感器的觀測信號分量X1(f，m)、...、XM(f，m)，將它們作為觀測信號矢量X(f，m)＝[X1(f，m)、...、XM(f，m)]T建立關聯(lián)。然后，聚類部512a通過聚類而生成與信號源相等的數(shù)目N個聚類Ci(f)，并將它們存儲在臨時存儲部522中(步驟S52)。這里，類是觀測信號矢量X(f，m)的集合，使用離散時間m的集合Ti標記為Ci(f)＝{X(f，m)|m∈Ti}。而且，聚類的目的在于將相同信號源為支配的(具有主要分量)采樣(觀測信號矢量X(f，m))分類于相同的類中。另外，得到的N個類C1(f)、...、CN(f)不必互相為素(Ci(f)∩Cj(f)為空集，i≠j)，而且也可以存在不屬于類的元素[算式40]X(f,m)∉∪i=1NCi.]]>接著，代表矢量計算部512b從臨時存儲部522中讀取各類Ci(f)，計算屬于各類Ci(f)的采樣X(f，m)的平均值[算式41]ai(m)=ΣX(f,m)∈Ci(f)X(f,m)/|Ci(f)|]]>作為關于各信號源的代表矢量ai(f)(步驟S53)?；蛘撸部梢詫儆诟黝怌i(f)的采樣X(f，m)適度量子化，求最頻繁值而將其作為代表矢量ai(f)。最后，由矢量集中部12c收集N個代表矢量ai(f)，生成作為混合矩陣H(f)＝[h1(f)、...、hN(f)]的推定矩陣的推定混合矩陣A(f)＝[a1(f)、...、aN(f)]從而輸出(步驟S54)。另外，推定混合矩陣A(f)包含關于各矢量的順序的任意性(排列的任意性)和各矢量的大小的任意性(定標的任意性)。即，代表矢量ai(f)被推定為h∏(i)(f)乘以任意的復數(shù)。這里，∏是表現(xiàn)排列的任意性的排列。接著，進一步詳細地說明聚類部512a的處理。本例的聚類部512a由歸一化部512aa進行各采樣的歸一化之后進行聚類，以便可以適當?shù)貓?zhí)行聚類，即相同信號源為支配的采樣(觀測信號矢量X(f，m))被分類于相同的類中。具體來說，本例的歸一化部512aa計算[算式42]sign(Xj(f,m))=Xj(f,m)/|Xj(f,m)(|Xj(f,m)≠0)0(|Xj(f,m)|=0)···(35)]]>并進行X(f,m)←X(f,m)/signXj(f,m)(|Xj(f,m)|≠0)X(f,m)(|Xj(f,m)|=0)···(36)]]>的歸一化之后，進行聚類。而且，進一步如果需要，則本例的歸一化部512aa進一步進行[算式43]X(f,m)←X(f,m)/||X(f,m)||(||X(f,m)||≠0)X(f,m)(||X(f,m)||=0)···(37)]]>的歸一化之后進行聚類。其中，矢量的長度||X(f，m)||是X(f，m)的模(norm)，具體來說，例如，使用以[算式44]Lk(X(f,m))=(Σj=1M|Xj|k(f,m))1/k···(38)]]>定義的L2模||X(f，m)||＝L2(X(f，m))。而且，作為聚類的方法，例如可以使用層級聚類或k-means聚類等多個教科書中說明的方法(例如，參照‘尾上守夫監(jiān)譯“パタ一ン識別”、新技術コミュニケ一ションズ，ISBN4-915851-24-9，第10章’等。)。另外，任何的聚類方法都是定義兩個采樣X(f，m)和X’(f，m)的距離，根據(jù)其測定采樣間的遠近，并進行聚類，以便盡可能距離近的采樣包含于相同的類中。例如，在僅通過上述算式(36)使采樣歸一化的情況下，聚類部512a使用歸一化了的兩個觀測信號矢量X(f，m)間的正弦距離作為距離尺度來進行聚類。另外，兩個采樣X(f，m)和X’(f，m)的正弦距離由1-XH(f，m)·X’(f，m)/(||X(f，m)||·||X’(f，m)||)...(39)來定義。而且，上述算式(36)和算式(37)被歸一化了的情況下，類生成部512a在類生成部512a中使用上述歸一化了的兩個觀測信號矢量間的差(X(f，m)-X’(f，m))的L2模||X(f，m)-X’(f，m)||＝L2(X(f，m)-X’(f，m))，任意的k的Lk模，或者正弦距離(算式(39))作為距離尺度進行聚類。說明通過以上的操作，各類Ci的代表矢量ai(f)為混合矢量hk(f)的推定(包含大小的任意性)的理由。聚類Ci中集中僅某一源信號Sk為支配而其它的源信號接近0的觀測信號矢量X(f，m)。該狀況可以近似于X(f，m)＝hk(f)Sk(f，m)...(40)。而且通過該關系和算式(36)的歸一化，成為X←X/sign(Xj)＝hkSk/sign(HjkSk)＝sign*(Hjk)|Sk|hk...(41)。另外，這里，使用sign(HjkSk)＝sign(Hjk)sign(Sk)，1/sign(Hjk)＝sign*(Hjk)(·*是取復數(shù)的共軛的操作)，以及Sk/sign(Hjk)＝|Sk|的關系。而且，在這些記載中，省略f、m。而且，通過算式(37)的歸一化和算式(40)，成為X←X/||X||＝sign*(Hjk)|Sk|hk/(|Sk|·||hk||)＝sign*(Hjk)hk/||hk||...(42)。另外這里，使用||sign*(Hjk)|Sk|hk||＝|Sk|·||hk||的關系。而且，在這些記載中，省略f、m。這里，通過算式(41)可知由算式(36)歸一化了的觀測信號矢量X(f，m)集中在將混合矢量hk(f)乘以sign*(Hjk(f))倍的矢量的直線上。然后，在直線上的何處乘以是根據(jù)信號源的大小|Sk(f，m)|。而且，通過算式(42)可知由算式(37)歸一化了的觀測信號矢量X(f，m)集中在復空間中的一點sign*(Hjk(f))hk(f)/||hk(f)||。這表示作為歸一化了的觀測信號矢量X(f，m)的平均計算出的代表矢量ai(f)成為包含大小的任意性的混合矢量hk(f)的推定。接著，說明排列問題解決部513的處理的細節(jié)。在排列問題解決部513中進行由各頻率f計算出的推定混合矩陣A(f)的列的排列，關于相同信號源sk(t)的代表矢量ai(f)在所有的頻率f相同(步驟S55)。即，更換下標i以便各分離信號Y1(f，m)、...、YN(f，m)和各信號源的對應在各頻率f相同。因此，與現(xiàn)有的技術同樣，基于非專利文獻2的順序使用兩種信息。第一個信息是信號源的到來方向等的位置信息。在使用現(xiàn)有的ICA的方法中，通過ICA求分離矩陣W，根據(jù)該Moore-Penrose型偽逆矩陣W+(M＝N的情況下，與逆矩陣W-1一致)得到位置信息。這里，該Moore-Penrose型偽逆矩陣W+可以看作混合矩陣的推定A(f)。因此，在本方式中，與使用現(xiàn)有的ICA的方法不同，可以將推定混合矩陣A(f)本身看作Moore-Penrose型偽逆矩陣W+，可以根據(jù)各矩陣得到直接位置信息。具體來說，例如可以通過[算式45]θi=cos-1angle(Aji(f)/Aj′i(f))2πfc-1||dj-dj′||···(43)]]>得到位置信息。這里，θ是連接傳感器j和傳感器j’的直線，和連接傳感器j和傳感器j’的中心點和信號源i的直線構成的角度。而且，dj是表示傳感器j的位置的矢量。而且，例如進行推定混合矩陣A(f)的列的排列，以便各下標i和θi的對應在各頻率相同，實現(xiàn)排列問題的解決。第二個信息與現(xiàn)有的使用ICA的方法同樣，是分離信號分量的絕對值|Yi(f，m)|的頻率間的相關。即，例如，在不同的頻率f1和f2，進行推定混合矩陣A(f)的列的排列，以便對于相同的下標i的分離信號分量的絕對值的相關[算式46]cor(vif1,v2f2)=⟨vif1(m)·vif2(m)⟩m⟨vif1(m)⟩m·⟨vif2(m)⟩m···(44)]]>(其中，Vfi(m)＝|Yi(f，m)|-<|Yi(f，m)|>m、<·>m表示關于時間m的“·”的平均值。)被最大化，實現(xiàn)排列問題的解決。另外，這些處理中使用的分離信號通過反饋分離信號生成部519的輸出Y1(f，m)、...、YN(f，m)來得到。接著，說明定標問題解決部514的處理的細節(jié)。從排列問題解決部513接收推定混合矩陣A(f)的定標問題解決部514為了解決各列的大小的任意性，首先對推定混合矩陣A(f)的各列(代表矢量)ai(f)進行歸一化ai(f)←ai(f)/aji(f)(步驟S56)。另外，aji是代表矢量ai(f)的第j行的元素。而且，也可以對各代表矢量ai(f)選擇不同的j，但對相同的i必須在各頻率f使用相同j。接著，說明分離信號生成處理的細節(jié)。在本方式的情況下，根據(jù)傳感器的數(shù)目對信號源的數(shù)據(jù)是否充分，分離信號的生成順序不同。首先，在傳感器的數(shù)據(jù)充分(M≥N)的情況下，可以簡單地生成分離信號。即，分離矩陣生成部518從定標問題解決部514接收推定混合矩陣A(f)，并生成作為分離矩陣W(f)的該Moore-Penrose型偽逆矩陣A(f)+(M＝N的情況下，與逆矩陣A(f)-1一致)(步驟S57)。生成的分離矩陣W(f)被存儲在臨時存儲部522中。分離信號生成部519從臨時存儲部522中讀取該分離矩陣W(f)和觀測信號矢量X(f，m)，并使用它們進行Y(f，m)＝W(f)X(f，m)的運算，從而生成分離信號分量Y1(f，m)、...、YN(f，m)(步驟S58)。另一方面，傳感器的數(shù)目不充分的情況下(M＜N)，對于推定混合矩陣A(f)和觀測信號矢量X(f，m)，分離信號Y(f，m)不規(guī)定為單一。因為滿足[算式47]X(f,m)=A(f)Y(f,m)=Σi=1Nai(f)Yi(f,m)···(45)]]>的Y(f，m)存在無數(shù)個。著眼于源信號具有稀疏性時，可知將無數(shù)個解中L1模[算式48]L1(Y(f,m))=Σi=1N|Yi(f,m)|···(46)]]>設為最小的解Y(f，m)成為最正確的分離信號分量(甘利俊一，“総論——人と機械はどのように見分け，聞き分けるのか——”，電子信息通信學會志，VOL.87，No.3，pp.167，2004年3月)。通過這樣的最小化基準進行分離的情況下，用于分離的矩陣W(f，m)為時變，分離矩陣生成部518對于每個時間m根據(jù)觀測信號矢量X(f，m)和推定混合矩陣A(f)計算時間依存的分離矩陣W(f，m)(步驟S57)，分離信號生成部519作為Y(f，m)＝W(f，m)X(f，m)計算分離信號分量Y1(f，m)、...、YN(f，m)(步驟S58)。但是，由于嚴密地進行L1(Y(f，m))的最小化計算量大，所以在本方式中使用近似解法進行分離矩陣W(f，m)的生成。該解法依次選擇與觀測信號矢量X(f，m)(或者某一時刻的殘余矢量e)方向最近的推定混合矩陣A(f)的列(代表矢量)ai(f)，并重復處理直到選擇了M個。圖17是用于說明本方式的近似解法的流程圖。以下，說明根據(jù)使用該流程，使用近似解法計算分離矩陣W(f，m)的處理。首先，列選擇部516從臨時存儲部522讀取推定混合矩陣A(f)以及觀測信號矢量X(f，m)(步驟S61)，通過觀測信號矢量X(f，m)將殘余矢量e初始化，并將1帶入變量k(步驟S62)，將這些信息存儲在臨時存儲部522中。接著，列選擇部516參照臨時存儲部522內的變量k判斷是否為k≤M(步驟S63)。這里，在k≤M的情況下，列選擇部516選擇成為q(k)＝argmaxi|ai(f)H·e|/||ai(f)||...(47)的q(k)，將該選擇結果存儲在臨時存儲部522中(步驟S64)。這里，算式(47)將長度被歸一化了的列|ai(f)H|/||ai(f)||和殘余矢量e的內積的絕對值最大化，即表示選擇與殘余矢量e方向最接近的代表矢量ai(f)的運算。選擇與殘余矢量e方向最接近的代表矢量ai(f)的理由是，通過下一個重復的殘余矢量e進一步減小，從而以后的各Yi(f，m)變小，最終可以期待由算式(46)定義的Y(f，m)的L1模也減小。接著，列選擇部516設定矩陣Q＝[aq(1)(f)、...、aq(k)(f)]，所述矩陣表示由臨時存儲部522中存儲的選擇完畢的所有代表矢量aq(1)(f)、...、aq(k)(f)擴張的部分空間，并計算P＝Q(QHQ)-1QH(步驟S66)。然后，列選擇部516通過e＝X(f，m)-P·X(f，m)的運算更新殘余矢量e從而存儲在臨時存儲部522中(步驟S67)。這里，P·X(f，m)將觀測信號矢量X(f，m)映射在部分空間Q，即由觀測信號矢量X(f，m)中到此為止選擇了的代表矢量aq(1)(f)、...、aq(k)(f)的線性和來實現(xiàn)。殘余的e＝X(f，m)-P·X(f，m)由其它矢量實現(xiàn)，具體來說通過由以后的循環(huán)處理選擇的列(代表矢量)aq(i)實現(xiàn)。之后，為了依次選擇下一列，列選擇部516對臨時存儲部522的變量k加1而設為新的k，并返回步驟S63(步驟S68)。另外，由于殘余矢量e中僅包含與至此選擇了的代表矢量aq(i)正交的分量，所以已經(jīng)選擇了的代表矢量不會基于內積的絕對值|ai(f)H·e|/||ai(f)||的最大化基準(步驟S64)再次被選擇。而且，在步驟S63中，列選擇部516判斷為k≤M時(相當于選擇了min(M，N))個代表矢量ai(f))，列選擇部516結束步驟S64～68的組處理。在該時刻，由于選擇完畢的M個代表矢量擴張整個空間，所以殘余矢量e為0。步驟S64～68的組處理結束時，矩陣生成部517從臨時存儲部522讀取至此選擇了的M個代表矢量aq(i)，生成將在步驟S63～68的處理中沒有選擇的推定混合矩陣A(f)的N-M個代表矢量(列矢量)ai(f)設為0的、[算式49]ai′(f,m)=ai(f)i∈{q(1),...,q(M)}0i∉{q(1),...,q(M)}···(48)]]>的列矢量ai’(f，m)(步驟S69)。進而，矩陣生成部517計算將算式(48)的列矢量ai’(f，m)設為列的矩陣A’(f，m)＝[ai’(f，m)、...、aN’(f，m)](相當于將“選擇了的min(M，N)個代表矢量ai(f)和max(N-M，0)個0矢量設為列的矩陣A’(f，m)”)，并存儲在臨時存儲部522中(步驟S70)。另外，這樣計算出的矩陣A’(f，m)是N×M矩陣，其中，N-M個行是0矢量。分離矩陣生成部518從臨時存儲部522中讀取這樣的矩陣A’(f，m)，并生成其Moore-Penrose型偽逆矩陣A’(f，m)+作為分離矩陣W(f，m)(步驟S71)。這相當于將N個代表矢量ai(f)中大于等于0個的代表矢量置換為0矢量的M行N列的矩陣的Moore-Penrose型偽逆矩陣的N行M列的分離矩陣W(f，m)。生成的分離矩陣W(f，m)被存儲在臨時存儲部522中。分離信號生成部519從臨時存儲部522中讀取該分離矩陣W(f，m)和觀測信號矢量X(f，m)，并作為Y(f，m)＝W(f，m)X(f，m)生成分離信號分量Y1(f，m)、...、YN(f，m)，并存儲在臨時存儲部522中(步驟S58)。另外，這樣生成了的分離信號分量Y1(f，m)、...、YN(f，m)中N-M個元素一定為0。即，僅對某一離散時間m進行步驟S61～S71的處理的話，僅可以知道最大M個分離信號分量。因此，在本方式中，對每個離散時間m進行至此說明了的M個代表矢量ai(f)的選擇、矩陣A’(f，m)的生成、分離矩陣W(f，m)的計算、分離信號矢量Y(f，m)的計算、以及向時間區(qū)域的信號值y1(f)、...、yN(f)的變換處理。由此，可以知道所有的分離信號分量。<本方式的效果>如以上說明了的，在本方式中，即使在傳感器數(shù)少(N＞M)的情況下，只要信號源具備稀疏性就可以達成盲源分離。其結果，可以減少傳感器的數(shù)目，對裝置的成本降低也有貢獻。圖18～23是例示在歸一化部512aa中進行了的歸一化的效果的圖。在這些例子中，是在混響時間130ms的房間中由兩個麥克風觀測一個或兩個聲音的情況下的2773Hz的觀測信號矢量X(f，m)的圖。另外，這些是由兩個麥克風觀測了的例子，但由于觀測信號矢量X(f，m)是頻率區(qū)域中的復矢量，所以在實數(shù)時成為四維空間的矢量。另外，這些圖的“imag”表示各觀測信號的虛數(shù)項，“real”表示實數(shù)項。因此，圖4～9中將四維投射在四個二維空間顯示。而且，X1表示由第一個麥克風觀測了的觀測信號的數(shù)據(jù)，X2表示由第二個麥克風觀測了的觀測信號的數(shù)據(jù)。首先，圖18～20表示一個音源的情況下的歸一化的效果。圖18是沒有歸一化的觀測信號矢量X(f，m)的圖。在本例中，以原點為中心形成類，但不能從該類中得到關于源信號1相關的代表矢量a1(f)的有用信息。另一方面，圖19是由算式(36)歸一化了的觀測信號矢量X(f，m)的圖。在本例中，從原點向特定方向散布采樣。該方向對應于要推定的代表矢量a1(f)。這是對于決定代表矢量a1(f)有用的信息。而且，圖20是由算式(37)歸一化的觀測信號矢量X(f，m)的結構。在偏離原點的位置形成類。連接該類的中心和原點的矢量對應于應推定的代表矢量a1(f)。接著，圖21～23中表示兩個音源的情況下的歸一化的效果。圖21是沒有歸一化的觀測信號矢量X(f，m)的圖。在本例的情況下，與一個音源的情況同樣，也得不到關于兩個源信號的有用的信息。圖22是由算式(36)歸一化了的觀測信號矢量X(f，m)的圖。在本例的情況下，從原點向兩個方向散布采樣。而且，這些方向對應于應該推定的代表矢量a1(f)、a2(f)。圖23是由算式(37)歸一化了的觀測信號矢量X(f，m)的圖。在本例中，可知在離開原點的位置形成兩個類。而且，連接該類的中心和原點的矢量對應于應推定的代表矢量a1(f)、a2(f)。如前所述，在N＞M的情況的分離矩陣W(f，m)的生成中嚴密地進行了最小化的情況下，其計算量龐大。例如，由于從N個代表矢量a1(f)、...、aN(f)選擇M個的組合為NCM個，所以如果要找到嚴密地將L1模(算式(46))最小化的組合，則需要對NCM個組的排列的處理等。但是，在圖17所示的近似解法中，只要重復相當于傳感器的數(shù)目M的次數(shù)的循環(huán)就可以，計算量少也可以。另外，在本方式中，根據(jù)傳感器的數(shù)目對于信號源的數(shù)目是否充分，即是否為N≤M，使分離矩陣W(f，m)的生成順序互相不同。但是，也可以不管傳感器的數(shù)目對于信號源的數(shù)目是否充分，都使用相同的程序生成分離矩陣W(f，m)。圖24是用于說明這樣的例子的流程圖。在該變形例的情況下，不管是否N≤M，首先，列選擇部516從臨時存儲部522中讀取推定混合矩陣A(f)以及觀測信號矢量X(f，m)(步驟S81)，由觀測信號矢量X(f，m)將殘余矢量e初始化，將1帶入變量k(步驟S82)。然后，列選擇部516判斷是否為k≤min(M，N)(步驟S83)，如果為k≤min(M，N)則選擇將|aq(u)(f)H·e|/||aq(u)(f)||(αH是α的共軛轉置矩陣)的列aq(u)(f)(步驟S84)，并設定表示由選擇完畢的所有的列aq(u)(u＝1、...、k)擴張的部分空間的矩陣Q＝[aq(1)(f)、...、aq(k)(f)](步驟S85)，計算P＝Q(QHQ)-1QH(步驟S86)，根據(jù)X(f，m)-P·X(f，m)的運算結果更新殘余矢量e(步驟S87)，將變量k加上1的值設為新的k(步驟S88)，返回步驟S83。即，重復min(M，N)次步驟S83～88的處理。另外，min(M，N)表示M以及N其中小的值，max(N-M，0)表示M-N以及0其中大的值。之后，列選擇部516將至此選擇了的min(M，N)個代表矢量aq(i)存儲在臨時存儲部522中。接著，矩陣生成部517從臨時存儲部522中讀取這min(M，N)個代表矢量aq(i)，并生成[算式50]ai′(f,m)=ai(f)i∈{q(1),...,q(min(M,N))}0i∉{q(1),...,q(min(M,N))}···(49)]]>的列矢量ai’(f，m)(步驟S89)，在步驟S83～88中選擇了的min(M，N)個代表矢量ai(f)，和將max(N-M，0)個0矢量設為列的矩陣A’(f，m)＝[a1’(f，m)、...、aN’(f，m)](步驟S90)。這樣生成了的矩陣A’(f，m)被存儲在臨時存儲部522中之后，被讀入到分離矩陣生成部518中，分離矩陣生成部518作為分離矩陣W(f，m)生成Moore-Penrose型偽逆矩陣A(f，m)+(在M＝N的情況下與逆矩陣W-1一致)(步驟S91)。另外，這相當于將N個上述代表矢量ai(f)中的大于等于0個的該矢量置換為0矢量的M行N列的矩陣的Moore-Penrose型偽逆矩陣的N行M列的分離矩陣W(f，m)。另外，本發(fā)明不限于上述各實施方式。例如，從第一實施方式到第八實施方式中，提取信號返回時間區(qū)域之后進行集中，但在使用二元掩模的情況下，也可以在頻率區(qū)域中進行信號集中之后變換到時間區(qū)域。圖25是例示在頻率區(qū)域中進行信號集中之后變換到時間區(qū)域時的結構的方框圖的一部分。該圖的結構是代替圖1中的限定信號分離部60-k、時間區(qū)域變換部70-k以及信號集中部80而設置的結構。在本例中，對于從所有的序列1的限定信號分離部601-k輸出的頻率區(qū)域的信號值Ykq∏kq(f，m)，在信號集中部602在頻率區(qū)域中進行了信號的集中之后，時間區(qū)域變換部603變換到時間區(qū)域。這里，信號集中部602在某一頻率f僅有一個具有相同標記ai的分離信號Ykq∏kq(f，m)的情況下，通過Yi(f，m)＝Ykq∏kq(f，m)求分離信號值。而且，在某一頻率f，在有大于等于兩個具有相同標記ai的分離信號Ykq∏kq(f，m)的情況下，例如作為具有相同標記ai的分離信號Ykq∏kq(f，m)的平均，通過[算式51]Yi(f,m)=1KΣΠkq=ajYkqΠkq(f,m)]]>(K是具有相同的標記ai的分離信號的個數(shù))求Yi(f，m)。而且，最后，時間區(qū)域變換部603通過例如短時間傅立葉變換等，在頻率區(qū)域中將集中了的輸出信號值Yi(f，m)變換為時間區(qū)域yi(t)。而且，從第一實施方式到第八實施方式，對各分離信號附加標記來進行信號的集中處理，但不對各分離信號附加標記，將各系統(tǒng)k中分離的信號所對應的V個代表值的集合Gk預先保持在臨時存儲部90中，并進行輸出信號的集中也可以。具體來說，例如，在多個系統(tǒng)中Gk不包含相同代表值的情況下，輸出所有的分離信號ykq(t)作為最終的分離信號yi(t)(i＝1、...、N)。而且，也可以將在頻率區(qū)域中的所有的分離信號ykq(f，m)設為頻率區(qū)域中的最終的分離信號Yi(f，m)(i＝1、...、N)，變換為時間區(qū)域的信號。而且，在多個系統(tǒng)中Gk包含K個(K≥2)相同代表值的情況下，通過對于k系統(tǒng)的分離信號ykq(t)(q＝1、...Vk/Vk是Gk的個數(shù))和k’系統(tǒng)的分離信號yk’r(t)(r＝1、...Vk’)的所有組合計算信號的相關，對于相關高的K個取ykq(t)和yk’r(t)的平均。將其對包含相同的代表值的多個系統(tǒng)重復進行，從而集中信號。而且，通過對頻率區(qū)域中的所有的分離信號進行相同的操作在頻率區(qū)域中將信號集中，之后，變換為時間區(qū)域的信號也可以。進而，也可以通過復合上述第一到第九的各實施方式的系統(tǒng)進行信號分離。例如，用[第八實施方式]的方法求代表矢量，之后，用[第二實施方式]的方法分離限定信號也可以。具體來說，例如，使用由代表值計算部430(圖13)求出的代表矢量，代替[第二實施方式]中的算式(18)，通過[算式52]Mk(f,m)=1D(X(f,m),ak(f))<mink≠jD(X(f,m),aj(f))0otherwise]]>求Mk(f，m)，并通過Mk(f,m)=1maxap(f)∈GkD(X(f,m),ap(f))<minaq(f)∈GkcD(X(f,m),aq(f))0otherwise]]>求MDC(f，m)(Mk(f，m)、MDC(f，m)參照圖8。)，后面以與[第二實施方式]的限定信號分離部160-k相同的順序分離限定信號。這里，也可以不求上述Mk(f，m)、MDC(f，m)，直接通過[算式53]X^k(f,m)=X(f,m)D(X(f,m),ak(f))<mink≠jD(X(f,m),aj(f))0otherwise]]>求X^k(f,m)=MkX]]>(對應于掩模制作部151-k以及積運算部161-k(圖8)的處理)，并通過X^k(f,m)=X(f,m)maxap(f)∈GkD(X(f,m),ap(f))<minaq(f)∈GkcD(X(f,m),aq(f))0otherwise]]>生成限定信號值(對應于掩模制作部151-k以及限定信號提取部152-k(圖8)的處理)。而且，不通過掩模制作部151-k(圖8)制作Mk(f，m)，取而代之，也可以通過混合過程推定部162-k(圖8)收集由代表值計算部430(圖13)求出的代表矢量[a1(f)、...、aN(f)](a1是縱矢量)作為H，并將其作為推定混合矩陣。而且，上述各實施方式中，通過傅立葉變換/逆傅立葉變換進行時間區(qū)域-頻率區(qū)域間的變換，但也可以使用wavelet變換、DFT濾波器組、多相濾波器組等進行該變換(例如，R.E.Crochiere，L.R.Rabiner，“MultirateDigitalSignalProcessing.”EaglewoodCliffs，NJPrintice-Hall，1983(ISBN0-13-605162-6))。而且，在由計算機構成上述第一至第九各實施方式的情況下，如下。圖26是由計算機構成各實施方式的信號分離裝置610的例子。本例的信號分離裝置610具有CPU(CentralprocessingUnit中央處理裝置)620、RAM(RandomAccessMemory)630、ROM(ReadOnlyMemory)640、外部存儲裝置650、輸入部660、接口670以及總線680。CPU620是例如具有運算部621、控制部622以及寄存器623的CISC(ComplexInstructionSetComputer)方式、RISC(ReducedInstructionSetComputer)方式等中央處理器。而且，寄存器623例如是DRAM(DynamicRandomAccessMemory)、SRAM(StaticRandomAccessMemory)等動作高速的存儲器。而且，RAM630例如是DRAM、SRAM、閃存、NV(Nonvolatile)RAM等可讀寫的半導體存儲器。而且，ROM640例如是MROM(MaskReadOnlyMemory)等只讀半導體存儲器，存儲有各種程序和數(shù)據(jù)等。外部存儲器650例如是硬盤裝置、軟盤、磁帶等磁存儲裝置、DVD-RAM(RandomAccessMemory)、CD-R(Recordable)/RW(ReWritable)等光盤裝置、MO(Magneto-Opticaldisc)等光磁存儲裝置、EEP-ROM(ElectronicallyErasableandProgrammable-ReadOnlyMemory)、閃存(flashMemory)等半導體存儲器等。而且，輸入部660例如是鍵盤、鼠標、操縱桿等輸入裝置。而且，接口例如是數(shù)據(jù)的輸入、輸出、或者進行雙方的輸入/輸出端口，例如，可連接傳感器、通信端口、存儲裝置等各種裝置。進而，總線680例如由數(shù)據(jù)總線、地址總線、控制總線等構成，并電連接到CPU620、RAM630、ROM640、外部存儲裝置650、輸入部660以及接口670，并允許它們中的數(shù)據(jù)的交換。而且，信號分離裝置610中的處理的內容例如被記述在信號分離程序中，這樣的信號分離程序例如被記錄在計算機可讀取的存儲媒體中。作為計算機可讀取的記錄媒體，例如磁記錄裝置、光盤、光磁記錄媒體、半導體存儲器等都可以，具體來說，例如，可以使用硬盤裝置、軟盤裝置、磁帶等作為磁記錄裝置，使用DVD(DigitalVersatileDisc)、DVD-RAM(RandomAccessMemory)、CD-ROM(CompactDiscReadOnlyMemory)、CD-R(Recordable)/RW(ReWritable)等作為光盤，使用MO(Magneto-Opticaidisc)作為光磁記錄媒體，使用EEP-ROM(ElectronicallyErasableandProgrammable-ReadOnlyMemory)等作為半導體存儲器。而且，例如通過銷售、轉讓、出借記錄了該程序的DVD、CD-ROM等可移動記錄媒體等來進行該信號分離程序的流通。進而，也可以是如下的結構預先將該程序存儲在服務器計算機的存儲裝置中，通過經(jīng)由網(wǎng)絡將該程序從服務器計算機傳送到其它的計算機，從而使該程序流動。在信號分離裝置610中執(zhí)行處理的情況下，例如，首先將可移動型記錄媒體中記錄的信號分離程序，或者從服務器計算機傳送的信號分離程序下載到外部存儲裝置650的程序區(qū)域651中。而且，在各傳感器中觀測了的時間區(qū)域的各觀測信號xj(t)(j＝1、...、M)也預先存儲在外部存儲裝置650的數(shù)據(jù)區(qū)域652中。該各觀測信號xj(t)的存儲可以是將從傳感器發(fā)送的各觀測信號xj(t)輸入接口670，并通過總線680存儲到外部存儲裝置650中，也可以在其它的裝置中將各觀測信號xj(t)預先存儲在外部存儲裝置650中，并將該外部存儲裝置650連接到總線680上。接著，例如，基于CPU620的控制部622的控制，從外部存儲裝置650的程序區(qū)域651依次讀取信號分離程序，并存儲在RAM630的程序區(qū)域631中。存儲在RAM630中的信號分離程序被讀入到CPU620中，CPU620的控制部622根據(jù)該信號分離程序的內容，執(zhí)行數(shù)據(jù)的輸入輸出、運算部621的運算、對寄存器623的數(shù)據(jù)存儲等各處理。CPU620的處理開始后，CPU620例如讀取外部存儲裝置650的數(shù)據(jù)區(qū)域652的各觀測信號xj(t)，并例如寫入RAM630的數(shù)據(jù)區(qū)域632中。之后，CPU620基于控制部622的控制，依次提取RAM630的程序區(qū)域631的信號分離程序、以及數(shù)據(jù)區(qū)域632的信號分離程序，同時執(zhí)行上述各處理。另外，例如RAM630或者外部存儲裝置650用作第一至第九實施方式中的存儲部2、501，RAM630或者寄存器623用作第一至第九實施方式中的一次存儲部90、522。而且，作為該程序的其它的實施方式，CPU620從可移動型存儲媒體中直接讀取程序，執(zhí)行根據(jù)該程序的處理也可以，進而，每一次從服務器計算機對該CPU620傳送程序時，依次執(zhí)行根據(jù)接收的程序的處理也可以。而且，不進行從服務器計算機向該計算機的程序的傳送，通過僅根據(jù)該執(zhí)行指示和結果取得實現(xiàn)處理功能的、所謂ASP(ApplicationServiceProvider)型服務，來執(zhí)行上述處理的結構也可以。進而，上述各種處理不僅根據(jù)記載在時間序列中執(zhí)行，根據(jù)執(zhí)行處理的裝置的處理能力或者需要并行地或者單獨地執(zhí)行也可以。此外，在不脫離本發(fā)明的宗旨的范圍內當然可以適當變更。根據(jù)本發(fā)明，例如，即使在存在各種噪聲·干擾信號的環(huán)境下，也可以精確地分離提取目標信號。例如，在應用于音頻領域的情況下，聲音識別機的輸入麥克風處于與說話人遠離的位置，即使在麥克風連目標說話人以外的聲音都收集了的情況下，通過分離提取目標聲音，可以構筑識別率高的聲音系統(tǒng)。權利要求1.一種信號分離方法，N(N≥2)個信號混合，并由M個傳感器觀測了的狀況下，進行信號的分離提取，其特征在于，包括將在所述傳感器中觀測了的觀測信號值變換為頻率區(qū)域的信號值的步驟；使用所述頻率區(qū)域的信號值，在各頻率計算所述傳感器間的觀測值的相對值(包含相對值的映射)的步驟；將所述相對值聚類到N個級中的步驟；計算所述各級的代表值的步驟；使用所述代表值，制作用于從所述頻率區(qū)域的信號值中提取從V(2≤V≤M)個信號源發(fā)出的信號所構成的混合信號的值的掩模的步驟；使用所述掩模，從所述頻率區(qū)域的信號值提取所述混合信號的值的步驟；以及從所述混合信號的值分離提取V個信號的值的步驟。2.如權利要求1所述的信號分離方法，其特征在于，所述掩模，是對于包含V個所述代表值的規(guī)定范圍內的所述相對值取高電平值，對不在所述規(guī)定的范圍內的所述代表值取低電平值的函數(shù)，使用所述掩模從所述頻率區(qū)域的信號值中提取所述混合信號的值的步驟，是所述頻率區(qū)域的信號值乘以所述掩模的步驟。3.如權利要求1所述的信號分離方法，其特征在于，所述掩模，是對于包含V個所述代表值的規(guī)定范圍內的所述相對值取低電平值，對不在所述規(guī)定的范圍內的所述代表值取高電平值的函數(shù)，使用所述掩模從所述頻率區(qū)域的信號值中提取所述混合信號的值的步驟，是從所述頻率區(qū)域的信號的值中，減去所述頻率區(qū)域的信號值乘以所述掩模的值的步驟。4.如權利要求2所述的信號分離方法，其特征在于，所述掩模，是伴隨所述相對值的變化的從所述高電平值向所述低電平值的推移連續(xù)的函數(shù)。5.如權利要求1所述的信號分離方法，其特征在于，使用所述代表值，制作用于從所述頻率區(qū)域的信號值中提取從V(2≤V≤M)個信號源發(fā)出的信號所構成的混合信號的值的步驟，是利用死角型光束發(fā)生器(NBF)的方向特性制作所述掩模的步驟。6.如權利要求1所述的信號分離方法，其特征在于，使用所述代表值，制作用于從所述頻率區(qū)域的信號值中提取從V(2≤V≤M)個信號源發(fā)出的信號所構成的混合信號的值的掩模的步驟包括生成將f設為頻率的變量、將θ1設為對于V個所述代表值的信號源的推定方向的其中一個、將θi(i＝2、...、N-V+1)設為對應于所述V個代表值以外的所述代表值的各信號源的推定方向、設j＝1、...、N-V+1，dj為傳感器1和傳感器j的距離、v為信號的速度、τji＝(dj/v)cosθi的情況下的、ji元素為exp(j2πfτji)的(N-V+1)×(N-V+1)的延遲矩陣HNBF(f)的步驟；計算延遲矩陣HNBF(f)的逆矩陣W(f)＝HNBF-1(f)作為NBF矩陣W(f)的步驟；生成將所述NBF矩陣W(f)的第一行的元素設為Wlk(f)，將θ設為信號的到來方向的變量的情況下的方向特性函數(shù)[算式54]F(f,θ)=Σk=1N-V+1Wlk(f)exp(j2πfdkcosθ/v)]]>的步驟；以及使用所述方向特性函數(shù)F(f，θ)生成所述掩模的步驟。7.如權利要求1所述的信號分離方法，其特征在于，使用所述代表值，制作用于從所述頻率區(qū)域的信號值中提取從V(2≤V≤M)個信號源發(fā)出的信號所構成的混合信號的值的掩模的步驟包括對包含V個所述代表值的規(guī)定的范圍內的所述相對值取高電平值，對不在所述規(guī)定的范圍內的所述代表值取低電平值，生成伴隨相對值的變化的從該高電平值向低電平值的推移不連續(xù)的函數(shù)的二元掩模與單峰性函數(shù)卷積的函數(shù)的步驟；以及作為所述掩模生成將所述相對值帶入所述二元掩模與單峰性函數(shù)卷積的函數(shù)的函數(shù)的程序。8.如權利要求1所述的信號分離方法，其特征在于，使用所述代表值，制作用于從所述頻率區(qū)域的信號值中提取從V(2≤V≤M)個信號源發(fā)出的信號所構成的混合信號的值的掩模的步驟，是作為所述掩模，生成根據(jù)所述相對值為包含V個所述代表值的規(guī)定的范圍內的下限值amin的情況下取0的第一奇函數(shù)，和所述相對值為所述規(guī)定的范圍內的上限值amax的情況下取0的第二奇函數(shù)的差的映射得到的單峰性的函數(shù)的步驟。9.如權利要求2或3所述的信號分離方法，其特征在于，所述掩模，是從所述高電平值向所述低電平值移動不連續(xù)的函數(shù)。10.一種信號分離方法，在N(N≥2)個信號混合并由M個傳感器觀測了的狀況下進行信號的分離提取，其特征在于，包括將在所述傳感器中觀測了的觀測信號值變換為頻率區(qū)域的信號值的步驟；使用所述頻率區(qū)域的信號值，在各頻率計算所述傳感器間的觀測值的相對值(包含相對值的映射)的步驟；將所述相對值聚類到N個級中的步驟；計算所述各級的代表值的步驟；對包含1個所述代表值的規(guī)定的范圍內的所述相對值取高電平值，對不在所述規(guī)定的范圍內的所述代表值取低電平值，生成伴隨所述相對值的變化的從該高電平值向該低電平值的移動連續(xù)的函數(shù)的掩模的步驟；以及對所述頻率區(qū)域的信號值乘以所述掩模，并提取從一個信號源發(fā)出的信號的值的步驟。11.一種信號分離方法，在N(N≥2)個信號混合并由M個傳感器觀測了的狀況下進行信號的分離提取，其特征在于，包括將在所述傳感器中觀測了的觀測信號值x1(t)、...xM(t)變換為頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)的步驟；將由所述頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)構成的第一矢量X(f，m)＝[X1(f，m)、...、XM(f，m)]對于每個頻率f聚類于各N個類Ci(f)(i＝1、...、N)中的步驟；計算代表所述各類Ci(f)的第二矢量ai(f)的步驟；從所述第二矢量ai(f)中提取V(1≤V≤M)個第三矢量ap(f)(p＝1、...、V)的步驟；生成將所述第三矢量ap(f)的集合設為Gk，將Gkc設為Gk的補集，將D(α，β)設為矢量α和β的Mahalanobis平方距離的情況下，由[算式55]M(f,m)=1maxap(f)∈GkD(X(f,m),ap(f))<minaq(f)∈GkcD(X(f,m),aq(f))0otherwise]]>所示的掩模M(f，m)的步驟；以及運算所述掩模M(f，m)和所述第一矢量X(f，m)的積，并提取由V個所述信號源發(fā)出的信號的值的步驟。12.一種信號分離方法，在N(N≥2)個信號混合并由M個傳感器觀測了的狀況下進行信號的分離提取，其特征在于，包括將在所述傳感器中觀測了的觀測信號值x1(t)、...xM(t)變換為頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)的程序；將由所述頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)構成的第一矢量X(f，m)＝[X1(f，m)、...、XM(f，m)]對于每個頻率f聚類于各N個類Ci(f)(i＝1、...、N)中的程序；計算代表所述各類Ci(f)的第二矢量ai(f)的程序；從所述第二矢量ai(f)中提取V(1≤V≤M)個第三矢量ap(f)(p＝1、...、V)的程序；以及判斷對于所述第一矢量X(f，m)，是否滿足將所述第三矢量ap(f)的集合設為Gk，將Gkc設為Gk的補集，將D(α，β)設為矢量α和β的Mahalanobis平方距離的情況下的[算式56]maxap(f)∈GkD(X(f,m),ap(f))<minaq(f)∈GkcD(X(f,m),aq(f)),]]>并提取判斷為滿足的所述第一矢量X(f，m)，作為從V個所述信號源發(fā)出的信號的值的程序。13.如權利要求11或12所述的信號分離方法，其特征在于，在計算[算式57]sign(Xj(f,m))←Xj(f,m)/|Xj(f,m)|(|Xj(f,m)|≠0)0(|Xj(f,m)|=0)]]>并進行了X(f,m)←X(f,m)/signXj(f,m)(|Xj(f,m)|≠0)X(f,m)(|Xj(f,m)|=0)]]>的運算之后，進行所述聚類的步驟。14.如權利要求13所述的信號分離方法，其特征在于，在進行了所述[算式58]X(f,m)←X(f,m)/signXj(f,m)(|Xj(f,m)|≠0)X(f,m)(|Xj(f,m)|=0)]]>的運算之后，進一步在進行了X(f,m)←X(f,m)/||Xj(f,m)||(||X(f,m)||≠0)X(f,m)(||X(f,m)||=0)]]>(其中‖X(f，m)‖是X(f，m)的模)的運算之后進行所述聚類的步驟。15.一種信號分離方法，在N(N≥2)個信號混合并由M個傳感器觀測了的狀況下進行信號的分離提取，其特征在于，包括將在所述傳感器中觀測了的觀測信號值x1(t)、...xM(t)變換為頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)的步驟；將由所述頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)構成的第一矢量X(f，m)＝[X1(f，m)、...、XM(f，m)]T對于每個頻率f聚類于各N個類Ci(f)(i＝1、...、N)中的步驟；計算代表所述各類Ci(f)的第二矢量ai(f)的步驟；計算將N個所述第二矢量ai(f)中大于等于0個的該第二矢量置換為0矢量的M行N列的矩陣的Moore-Penrose型偽逆矩陣的N行M列的分離矩陣W(f，m)的步驟；以及通過Y(f，m)＝W(f，m)X(f，m)的運算，計算分離信號矢量Y(f，m)＝[Y1(f，m)、...、YN(f，m)]T的步驟。16.如權利要求15所述的信號分離方法，其特征在于，計算所述分離矩陣W(f，m)的步驟，是選擇min(M，N)個所述第二矢量ai(f)，并生成選擇了的min(M，N)個所述第二矢量ai(f)和max(N-M，0)個0矢量作為列的矩陣A’(f，m)，作為所述分離矩陣W(f，m)計算所述矩陣A’(f，m)的Moore-Penrose型偽逆矩陣的步驟。17.如權利要求15所述的信號分離方法，其特征在于，計算N＞M的情況下的所述分離矩陣W(f，m)的步驟，是對每個離散時間m選擇M個所述第二矢量ai(f)，并生成所述選擇了的M個所述第二矢量ai(f)和N-M個0矢量作為列的矩陣A’(f，m)，作為時間依存的所述分離矩陣W(f，m)計算所述矩陣A’(f，m)的Moore-Penrose型偽逆矩陣的步驟，計算N≤M的情況下的所述分離矩陣W(f，m)的步驟，是作為時不變的所述分離矩陣W(f，m)，生成由所述類Ci(f)的N個所述第二矢量ai(f)構成的矩陣的Moore-Penrose型偽逆矩陣的步驟。18.如權利要求15所述的信號分離方法，其特征在于，在計算[算式59]sign(Xj(f,m))←Xj(f,m)/|Xj(f,m)|(|Xj(f,m)|≠0)0(|Xj(f,m)|=0)]]>并進行了X(f,m)←X(f,m)/signXj(f,m)(|Xj(f,m)|≠0)X(f,m)(|Xj(f,m)|=0)]]>的運算之后，進行所述聚類的步驟。19.如權利要求18所述的信號分離方法，其特征在于，在進行了所述[算式60]X(f,m)←X(f,m)/signXj(f,m)(|Xj(f,m)|≠0)X(f,m)(|Xj(f,m)|=0)]]>的運算之后，進一步在進行了X(f,m)←X(f,m)/||X(f,m)||(||X(f,m)||≠0)X(f,m)(||X(f,m)||=0)]]>(其中‖X(f，m)‖是X(f，m)的模)的運算之后進行所述聚類的步驟。20.如權利要求16所述的信號分離方法，其特征在于，選擇所述min(M，N)個所述第二矢量ai(f)的步驟，是重復min(M，N)次以下處理的步驟由所述第一矢量X(f，m)將第四矢量e初始化之后，選擇將aq(u)(f)/‖aq(u)(f)‖和所述第四矢量e的內積的絕對值最大化的所述第二矢量aq(u)(f)，并設定表示由選擇完畢的所有的所述第二矢量aq(u)(u＝1、...、k)擴張的部分空間的矩陣Q＝[aq(1)(f)、...、aq(k)(f)]，計算P＝Q(QHQ)-1QH，根據(jù)X(f，m)-P·X(f，m)的運算結果更新第四矢量e。21.一種信號分離裝置，在N(N≥2)個信號混合并由M個傳感器觀測了的狀況下進行信號的分離提取，其特征在于，包括存儲部，存儲在所述傳感器中觀測了的觀測信號值；以及處理器，執(zhí)行以下的處理連接到所述存儲部，將所述觀測信號值變換為頻率區(qū)域的信號值，使用所述頻率區(qū)域的信號值，在各頻率計算所述傳感器間的觀測值的相對值(包含相對值的映射)，將所述相對值分類為N個級，計算所述各級的代表值，使用所述代表值，制作用于從所述頻率區(qū)域的信號值中提取從V(2≤V≤M)個信號源發(fā)出的信號所構成的混合信號的值的掩模，使用所述掩模從所述頻率區(qū)域的信號值中提取所述混合信號的值，從所述混合信號的值中提取V個信號的值。22.一種信號分離裝置，在N(N≥2)個信號混合并由M個傳感器觀測了的狀況下進行信號的分離提取，其特征在于，包括存儲部，存儲在所述傳感器中觀測了的觀測信號值；以及處理器，執(zhí)行以下的處理連接到所述存儲部，將所述觀測信號值變換為頻率區(qū)域的信號值，使用所述頻率區(qū)域的信號值，在各頻率計算所述傳感器間的觀測值的相對值(包含相對值的映射)，將所述相對值分類為N個級，計算所述各級的代表值，對于包含一個所述代表值的規(guī)定的范圍內的所述相對值取高電平值，對于不在所述規(guī)定的范圍內的所述代表值取低電平值，生成伴隨所述相對值的變化的從該高電平值向低電平值的推移不連續(xù)的函數(shù)的掩模，對所述頻率區(qū)域的信號值乘以所述掩模，并提取從一個信號源發(fā)出的信號的值。23.一種信號分離裝置，在N(N≥2)個信號混合并由M個傳感器觀測了的狀況下進行信號的分離提取，其特征在于，包括存儲部，存儲在所述傳感器中觀測了的觀測信號值x1(t)、...xM(t)；以及處理器，執(zhí)行以下的處理連接到所述存儲部，將所述觀測信號值x1(t)、...xM(t)變換為頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)，將由所述頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)構成的第一矢量X(f，m)＝[X1(f，m)、...、XM(f，m)]在每個頻率f聚類在各N個類Ci(f)(i＝1、...、N)中，計算代表所述各類Ci(f)的第二矢量ai(f)，并從所述第二矢量ai(f)提取V(1≤V≤M)個第三矢量ap(f)(p＝1、...、V)，生成將所述第三矢量ap(f)的集合設為Gk，將Gkc設為Gk的補集，將D(α，β)設為矢量α和β的Mahalanobis平方距離的情況下的、由[算式61]M(f,m)=1maxap(f)∈GkD(X(f,m),ap(f))<minaq(f)∈GkcD(X(f,m),aq(f))0otherwise]]>所示的M(f，m)，運算所述掩模M(f，m)和所述第一矢量X(f，m)的積，并提取從V個所述信號源發(fā)出的信號的值。24.一種信號分離裝置，在N(N≥2)個信號混合并由M個傳感器觀測了的狀況下進行信號的分離提取，其特征在于，包括存儲部，存儲在所述傳感器中觀測了的觀測信號值x1(t)、...xM(t)；以及處理器，執(zhí)行以下的處理連接到所述存儲部，將所述觀測信號值x1(t)、...xM(t)變換為頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)，將由所述頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)構成的第一矢量X(f，m)＝[X1(f，m)、...、XM(f，m)]在每個頻率f聚類在各N個類Ci(f)(i＝1、...、N)中，計算代表所述各類Ci(f)的第二矢量ai(f)，從所述第二矢量ai(f)提取V(1≤V≤M)個第三矢量ap(f)(p＝1、...、V)，判斷對于所述第一矢量X(f，m)是否滿足將所述第三矢量ap(f)的集合設為Gk，將Gkc設為Gk的補集，將D(α，β)設為矢量α和β的Mahalanobis平方距離的情況下的[算式62]maxap(f)∈GkD(X(f,m),ap(f))<minaq(f)∈GkcD(X(f,m),aq(f)),]]>并提取判斷為滿足的所述第一矢量X(f，m)，作為從V個所述信號源發(fā)出的信號的值。25.一種信號分離裝置，在N(N≥2)個信號混合并由M個傳感器觀測了的狀況下進行信號的分離提取，其特征在于，包括存儲部，存儲在所述傳感器中觀測了的觀測信號值x1(t)、...xM(t)；以及處理器，執(zhí)行以下的處理連接到所述存儲部，將所述觀測信號值x1(t)、...xM(t)變換為頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)，將由所述頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)構成的第一矢量X(f，m)＝[X1(f，m)、...、XM(f，m)]T在每個頻率f聚類在各N個類Ci(f)(i＝1、...、N)中，計算代表所述各類Ci(f)的第二矢量ai(f)，計算將N個所述第二矢量ai(f)中大于等于0個的該第二矢量置換為0矢量的M行N列的矩陣的Moore-Penrose型偽逆矩陣的N行M列的分離矩陣W(f，m)；以及通過Y(f，m)＝W(f，m)X(f，m)的運算，計算分離信號矢量Y(f，m)＝[Y1(f，m)、...、YN(f，m)]T。26.一種信號分離程序，用于使計算機執(zhí)行以下程序將由M個傳感器觀測了的N(N≥2)個信號的混合的觀測信號的值變換為頻率區(qū)域的信號值的步驟；使用所述頻率區(qū)域的信號值，在各頻率計算所述傳感器間的觀測值的相對值(包含相對值的映射)的步驟；將所述相對值聚類到N個級中的步驟；計算所述各級的代表值的步驟；使用所述代表值，制作用于從所述頻率區(qū)域的信號值中提取從V(2≤V≤M)個信號源發(fā)出的信號所構成的混合信號的值的掩模的步驟；使用所述掩模，從所述頻率區(qū)域的信號值提取所述混合信號的值的步驟；以及從所述混合信號的值分離提取V個信號的值的步驟。27.一種信號分離程序，用于使計算機執(zhí)行以下程序將由M個傳感器觀測了的N(N≥2)個信號的混合的觀測信號的值變換為頻率區(qū)域的信號值的步驟；使用所述頻率區(qū)域的信號值，在各頻率計算所述傳感器間的觀測值的相對值(包含相對值的映射)的步驟；將所述相對值聚類到N個級中的步驟；計算所述各級的代表值的步驟；對包含一個所述代表值的規(guī)定的范圍內的所述相對值取高電平值，對不在所述規(guī)定的范圍內的所述代表值取低電平值，制作伴隨相對值的變化的從該高電平值向低電平值的推移連續(xù)的函數(shù)的二元掩模的步驟；以及對所述頻率區(qū)域的信號值乘以所述掩模，并提取從一個信號源發(fā)出的信號的值的步驟。28.一種信號分離程序，用于使計算機執(zhí)行以下程序將由M個傳感器觀測了的N(N≥2)個信號混合的觀測信號的值x1(t)、...xM(t)變換為頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)的步驟；將由所述頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)構成的第一矢量X(f，m)＝[X1(f，m)、...、XM(f，m)]對于每個頻率f聚類于各N個類Ci(f)(i＝1、...、N)中的步驟；計算代表所述各類Ci(f)的第二矢量ai(f)的步驟；從所述第二矢量ai(f)中提取V(1≤V≤M)個第三矢量ap(f)(p＝1、...、V)的步驟；生成將所述第三矢量ap(f)的集合設為Gk，將Gkc設為Gk的補集，將D(α，β)設為矢量α和β的Mahalanobis平方距離的情況下，由[算式63]M(f,m)=1maxap(f)∈GkD(X(f,m),ap(f))<minaq(f)∈GkcD(X(f,m),aq(f))0otherwise]]>所示的M(f，m)的步驟；以及運算所述掩模M(f，m)和所述第一矢量X(f，m)的積，并提取由V個所述信號源發(fā)出的信號的值的步驟。29.一種信號分離程序，用于使計算機執(zhí)行以下程序將由M個傳感器觀測了的N(N≥2)個信號混合的觀測信號的值x1(t)、...xM(t)變換為頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)的步驟；將由所述頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)構成的第一矢量X(f，m)＝[X1(f，m)、...、XM(f，m)]對于每個頻率f聚類于各N個類Ci(f)(i＝1、...、N)中的步驟；計算代表所述各類Ci(f)的第二矢量ai(f)的步驟；從所述第二矢量ai(f)中提取V(1≤V≤M)個第三矢量ap(f)(p＝1、...、V)的步驟；以及判斷對于所述第一矢量X(f，m)，是否滿足將所述第三矢量ap(f)的集合設為Gk，將Gkc設為Gk的補集，將D(α，β)設為矢量α和β的Mahalanobis平方距離的情況下的[算式64]maxap(f)∈GkD(X(f,m),ap(f))<minaq(f)∈GkcD(X(f,m),aq(f)),]]>并提取判斷為滿足的所述第一矢量X(f，m)，作為從V個所述信號源發(fā)出的信號的值的步驟。30.一種信號分離程序，用于使計算機執(zhí)行以下程序將由M個傳感器觀測了的N(N≥2)個信號混合的觀測信號的值x1(t)、...xM(t)變換為頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)的步驟；將由所述頻率區(qū)域的信號值X1(f，m)、...、XM(f，m)構成的第一矢量X(f，m)＝[X1(f，m)、...、XM(f，m)]T對于每個頻率f聚類于各N個類Ci(f)(i＝1、...、N)中的步驟；計算代表所述各類Ci(f)的第二矢量ai(f)的步驟；計算將N個所述第二矢量ai(f)中大于等于0個的該第二矢量置換為0矢量的M行N列的矩陣的Moore-Penrose型偽逆矩陣的N行M列的分離矩陣W(f，m)的步驟；以及通過Y(f，m)＝W(f，m)X(f，m)的運算，計算分離信號矢量Y(f，m)＝[Y1(f，m)、...、YN(f，m)]T的步驟。31.一種計算機可讀取記錄媒體，存儲權利要求26至30的任何一項所述的信號分離程序。全文摘要在信號源的數(shù)目N和傳感器的數(shù)目M為N＞M的關系的情況下，以高質量分離混合信號。首先，將在傳感器中觀測了的觀測信號的值變換為頻率區(qū)域的信號值，并使用頻率區(qū)域的信號值，在各頻率計算傳感器間的觀測值的相對值。接著，將各相對值聚類于N個級中，并計算各級的代表值。然后，使用這些代表值，制作用于從頻率區(qū)域的信號值中提取從V(1≤V≤M)個信號源發(fā)出的信號的值的掩模。使用該掩模，從所述頻率區(qū)域的信號值提取從V個信號源發(fā)出的信號的值。之后，如果V＝1，則原樣輸出限定信號作為分離信號，如果V≥2，則在該限定信號中應用ICA等，并得到分離信號。文檔編號G10L21/02GK1717721SQ200480001570公開日2006年1月4日申請日期2004年9月1日優(yōu)先權日2003年9月2日發(fā)明者荒木章子,澤田宏,牧野昭二,向井良申請人:日本電信電話株式會社