CN1271564C - 信号处理设备 - Google Patents

Abstract

一种信号处理设备，在用户不知情的情况下学习用户操作，允许用户执行最适于用户的操作。学习单元(2)监视响应用户操作而提供的操作信号，并判断该信号是否可被用于学习。如果所述操作信号是可以用于学习的学习操作信号，则学习单元(2)参考所述学习操作信号，学习用于校正输入信号的规范的校正规范。在校正单元(1)，根据通过学习而获得的校正规范，校正输入信号，校正后信号作为输出信号被输出。所述信号处理设备可被应用到NR(降噪)电路，用于减小噪声。

Description

信号处理设备

技术领域

本发明涉及一种信号处理设备，尤其涉及这样一种信号处理设备，例如，它在不需要用户知道的情况下学习用户的操作，以便帮助用户执行最佳处理。

背景技术

例如，作为常规的NR(降噪)电路，如果用户操作其中的调节旋钮并把它设置到某个位置，将执行对应于该旋钮位置的噪声去除处理。

现在，输入到NR电路的信号的S/N(信噪比)和频率特性等并不一定总是恒定的，相反，通常它们都是变化的。如果输入到NR电路的信号的S/N(信噪比)和频率特性等发生变化，则并不一定执行对应于用户已经设置的旋钮位置的噪声去除处理中关于输入到NR电路的信号的适当处理。相应地，用户需要经常地操作旋钮来替他或她自己执行适合的噪声去除处理，而这让人感到不便。

发明内容

本发明是基于这种情况提出的，并且相应地，其中的一个目的是在不需要用户知道的情况下学习用户的操作，以便帮助用户执行最佳处理。

根据本发明的信号处理设备，包括：判断部件，用于监视根据用户的操作所提供的操作信号，并判断该信号是否对学习有用；学习部件，用于基于可用于学习的操作信号的学习操作信号，学习校正规范(norm)，该校正规范是一种用于校正输入信号的规范；校正部件，用于基于从学习中获得的所述校正规范，校正输入信号并输出校正后的信号作为输出信号。

根据本发明的信号处理方法，包括：判断步骤，用于监视根据用户的操作所提供的操作信号，并判断该信号是否对学习有用；学习步骤，用于基于可用于学习的操作信号的学习操作信号，学习校正规范，该校正规范是一种用于校正输入信号的规范；校正步骤，用于基于从学习中获得的所述校正规范，校正输入信号并输出校正后的信号作为输出信号。

通过根据本发明的信号处理设备、信号处理方法、程序和记录介质，监视根据用户操作提供的操作信号，作出关于该信号是否对学习有用的判断，并基于所述学习操作信号，学习用于校正输入信号的规范的校正规范。接着，基于从学习中获得的所述校正规范，校正输入信号，并且输出校正后的信号作为输出信号。

附图说明

图1是说明应用本发明的优化设备的实施例的配置的方框图；

图2是描述优化设备的优化处理的流程图；

图3是说明使用优化设备的NR电路的实施例的配置示例的方框；

图4A是表示输入信号的波形图；

图4B是表示输入可靠性的波形图；

图5是描述NR电路校正处理的流程图；

图6是描述NR电路校正参数计算处理的流程图；

图7是描述NR电路控制数据学习处理的流程图；

图8A至图8C是描述控制数据学习处理的图；

图9是说明使用优化设备的NR电路的另一个实施例的配置示例的方框图；

图10是说明和参数控制数据相乘的多个像素的例图；

图11是描述NR电路的校正参数计算处理的流程图；

图12是描述NR电路的控制数据学习处理的流程图；

图13是说明应用本发明的自动驾驶(automatic driving)设备的实施例的配置的方框图；

图14是说明优化设备54的配置示例的方框图；

图15是描述优化设备54的校正参数计算处理的流程图；

图16是描述关于优化设备54的控制数据学习处理的流程图。

图17是说明优化设备54的另一种配置示例的方框图；

图18是指示由计算单元53输出的驾驶方向的例图；

图19解释优化设备54的校正处理的流程图；

图20是描述优化设备54的校正参数学习处理的流程图；

图21是说明应用本发明的计算机的实施例的配置示例的方框图。

具体实施方式

图1说明了应用本发明的优化设备的实施例的配置示例。

利用该优化设备，在用户不知道的情况下通过学习用户的操作帮助用户执行最优化处理。即，利用该优化设备，监视对应于用户的操作而提供的操作信号，并判断这些信号是可用于学习。如果所述操作信号是可用于学习的学习操作信号，则基于所述学习操作信号，学习作为用于校正输入信号的规范的校正规范。另一方面，基于通过学习而获得的所述校正规范，校正输入信号，并输出校正后的信号作为输出信号。

优化设备由一个校正单元1和一个学习单元2组成，除了要进行处理的输入信号外，与用户操作对应的操作信号也被提供给这两个单元。

从操作单元3提供所述操作信号。即，例如，所述操作单元3由旋转或滑动按钮、开关、定点设备等组成，并把与用户操作对应的操作信号提供给所述优化设备。

例如，和来自学习单元2的用作校正输入信号的校正规范的校正参数一样，数字输入信号也被提供给用来组成优化设备的校正单元1。校正单元1基于所述校正参数校正所述输入信号，并输出校正后的信号作为输出信号。

如同把来自操作单元3的操作信号提供给学习单元2一样，当必要时，也把输入信号或输出信号提供给学习单元2。学习单元2监视所述操作信号，并判断这些信号是否可用于学习。如果所述操作信号是对学习有用的学习操作信号，当必要时，学习单元2就基于所述学习操作信号，利用输入信号或输出信号学习用于校正输入信号的校正参数，并把它们提供给校正单元1。

注意，学习单元2有一个内置的学习数据存储器33和学习信息存储器35，其中学习数据存储器33存储用于学习的学习数据，而学习信息存储器35存储通过学习而获得的、后面就会描述到的学习信息。

接下来，参照图2所示的流程图，将描述在图1所示的优化设备中执行的处理(优化处理)。

首先，在步骤S1中，学习单元2判断是否收到来自操作单元3的学习操作信号。这里，如果对操作单元3进行操作，通常，用户首先执行一般的操作，然后执行详细操作，同时在确认根据操作而输出的输出信号，然后在获得用户认为是最终的最佳输出信号的某点停止操作。在获得用户认为是最终的最佳输出信号的点与操作单元3的位置相对应的操作信号是所述学习操作信号，并且因此，如果操作单元3***作了预定的时间值或更长的时间，然后停止该操作，学习单元2把停止时刻的操作信号判断为学习操作信号。

在步骤S1中，例如，如果判断出没有收到所述学习操作信号，即，如果用户没有操作操作单元3，或者虽然已经操作了，但是仍在寻找最佳位置，则跳过步骤S2至步骤S10，流程进行到步骤S11，并且，校正单元1根据已经设置好的校正参数校正输入信号，并输出输出信号作为校正结果，接着，流程返回步骤S1。

同时，在步骤S1中，如果判断出已接收到所述学习操作数据，流程进行到步骤S2，学习单元2基于所述学习操作信号获得用于学习的学习数据，并且，流程进行到步骤S3。在步骤S3中，学习数据存储器33存储在步骤S2中获得的最新学习数据。

这里，学习数据存储器33具有能够存储多组学习数据的存储容量。同时，如果该存储容量被填满，就调整学习数据存储器33以便用下一个学习数据盖写最早存储的数值。因此，在学习数据存储器33中就存有最新存储的多组学习数据。

继在步骤S3中在学习数据存储器33存储学习数据之后，流程进行到步骤S4，这里，学习单元2利用在学习数据存储器33中存储的最新学习数据和在学习信息存储器35中存储的学习信息来执行学习，并获得校正参数，然后，流程进行到步骤S5。在步骤S5中，学习单元2用在步骤S4的学习过程中所中途获得的新的学习信息更新学习信息存储器35中已存储的内容，接着，流程进行到步骤S6。

在步骤S6中，学习单元2获得表示在步骤S4中获得的校正参数的适合性的、随后所述的适合性，流程进行到步骤S7，并且基于该适合性判断在步骤S4中获得的校正参数是否合适。

如果在步骤S7中判断出所述校正参数是合适的，则跳过步骤S8和步骤S9，流程进行到步骤S10，并且，学习单元2把判断为合适的校正参数输出到校正单元1，流程进行到步骤S11。因此，在这种情况下，在步骤S4中通过学习而新获得校正参数之后，在校正单元1中执行随后的输入信号的校正。

另一方面，如果在步骤S7中判断出所述校正参数不合适，流程进行到步骤S8，学习单元2仅仅利用在学习数据存储器33存储的学习数据中的最新学习数据来执行学习，获得校正参数，接着，流程进行到步骤S9。在步骤S9中，学习单元2用在步骤S8中的学习过程中所中途获得的新的学习信息更新学习信息存储器35中已存储的内容，接着，流程进行到步骤S10。在这种情况下，在步骤S10中，学习单元2把在步骤S8中仅从最新的学习数据中获得的校正参数输出到校正单元1，并且，流程进行到步骤S11。因此，在这种情况下，在步骤S8中通过学习而新获得校正参数之后，在校正单元1中执行随后的输入信号校正。

接下来，例如，图3说明了这样一种情况下的一个详细配置示例，其中，如图1所示的优化设备被应用到一个NR电路，该电路用来从图像信号和音频信号中去除噪声。

权重(weighting)存储器11存储随后所述的作为由学习单元2的选择单元21提供的校正参数的权重(系数)W(即，一个大于等于0而小于等于1的值)。而权重存储器12则存储由计算单元13提供的权重1-W。

计算单元13提供这样一个差值，其中，由学习单元2中的选择单元21提供的权重W被从1中减去，该差值被作为权重提供给权重存储器12。计算单元14将输入信号和在权重存储器12中存储的权重1-W相乘，并把相乘后的值提供给计算单元16。计算单元15将在权重存储器11中存储的权重W和在锁存电路17中存储(锁存)的输出信号相乘，并把相乘后的值提供给计算单元16。计算单元16把计算单元14和15的输出相加，并输出相加之后的值作为输出信号。

锁存电路17锁存计算单元16输出的输出信号，并把这些信号提供给计算单元15。

在如图3所示的实施例中，校正单元1由上述的权重存储器11和12、计算单元13、14、15和16以及锁存电路17组成。

选择单元21在由权重校正单元26输出的权重或由操作信号处理单元30输出的权重中二者择其一，并把它作为校正参数提供给校正单元1。

将输入信号提供给输入可靠性计算单元22，并通过它获得表示其输入信号的可靠性的输入可靠性，该输入可靠性被输出到输出可靠性计算单元23和权重计算单元25。输出可靠性计算单元23基于来自输入可靠性计算单元22的输入可靠性获得表示输出信号的可靠性的输出可靠性，并把它提供给锁存电路24和权重计算单元25。锁存电路24存储(锁存)来自输出可靠性计算单元23的输出可靠性，并把它提供给输出可靠性计算单元23和权重计算单元25。

权重计算单元25根据来自输入可靠性计算单元22的输入可靠性和来自输出可靠性计算单元23的输出可靠性，计算权重，并把它输出到权重校正单元26。对权重校正单元26提供来自于参数控制数据存储器37的参数控制数据，该参数控制数据控制作为校正参数的权重，除了权重外，权重校正电路26还用所述参数控制数据对权重进行处理(校正)，并把它提供给选择单元21。

对操作信号处理单元30提供来自操作单元3(图1)的操作信号，同时操作信号处理单元30对提供给它的操作信号进行处理，并把与其中操作信号对应的权重提供给选择单元21、老师(tutor)数据生成单元31和学生(student)数据生成单元32。此外，所述操作信号处理单元30判断所述操作信号是否是如上所述的学习操作信号，并且如果操作信号就是学习操作信号，则把表明这种结果的一个标志(以后称作学习标志)加到将被输出的权重中。

一旦从操作信号处理单元30收到带有学习标志的权重，老师数据生成单元31就产生一个作为学习的老师的老师数据，并把它提供给学习数据存储器33。即，老师数据生成单元31把加入学习标志的权重作为老师数据提供给学习数据存储器33。

学生数据生成单元32一旦从操作信号处理单元30收到加入学习标志的权重，就产生一个作为学习的学生的学生数据，并把它提供给学习数据存储器33。即，学生数据生成单元32以与如上所述的输入可靠性计算单元22、输出可靠性计算单元23、锁存单元24和权重计算单元25相同的方法被配置，以便根据提供给它的输入信号计算权重，并且一旦收到带有学习标志的权重，就把根据输入信号计算的权重作为学生数据提供给学习数据存储器33。

学习数据存储器33把从老师数据生成单元31提供的用作对应于学习操作信号的权重的一组老师数据，和从学生数据生成单元32提供的用作在收到学习操作信号的时刻从输入信号计算的权重的学生数据，作为一组学习数据存储起来。如上所述，所述学习数据存储器33具有存储多组学习数据的能力，并且，一旦存储的学习数据达到存储容量，所述学习数据存储器33就通过盖写最早存储的数据来存储下一个学习数据。因此，学习数据存储器33在任何时候都基本上具有存储在其中的最新的学习数据组。

参数控制数据计算单元34对作为学习数据存储在学习数据存储器33中的老师数据和学生数据进行学习，同时，如果必要，也学习提供给判断控制单元36的在判断控制单元36的控制下，使用存储在学习信息存储器35中的学习信息并通过计算新的学习信息，使预定统计误差最小的参数控制数据。同时，参数控制数据计算单元34用通过学习而获得的新的学习信息来更新在学习信息存储器35所存储的内容。学习信息存储器35存储来自参数控制数据计算单元34的学习信息。

判断控制单元36参照存储在学习数据存储器33中的最新学习数据，对由参数控制数据计算单元34提供的参数控制数据的适合性进行判断。同时，判断控制单元36也对参数控制数据计算单元34进行控制，并把从参数控制数据计算单元34提供的参数控制数据提供给参数控制数据存储器37。参数控制数据存储器37用从判断控制单元36提供的参数控制数据，更新其中所存储的内容，并把它提供给权重校正单元26。

在图3所示的实施例中，学习单元2由上述选择单元21至权重校正单元26和操作信号处理单元30至参数控制数据存储器37组成。

输入信号的噪声通过按如上所述配置的用作NR电路的优化设备按如下所述方法去除。

即，例如，为了简化描述，用一个恒定真值且叠加随时间波动的噪声的输入信号来考虑去除随时间波动的噪声方法，如图4A所示，通过对其取平均，并采取给高噪声的输入信号(即，S/N较差的信号)一个小的权重值(不给予太多的考虑)，例如按照噪声的程度，同时给低噪声的输入信号(即，具有高S/N的信号)一个高的权重值，噪声就可被有效地去除。

因此，利用如图3所示的NR电路，通过获得相对于真实值的输入信号的近似作为输入信号的评估值，如图4B中说明输入可靠性表示输入信号是真实值的可靠性的示例所示，并通过执行与输入信号的输入可靠性对应的权重运算计算其均值来有效去除噪声。

因此，利用如图3所示的NR电路，使用与输入可靠性对应的权重就可获得关于输入信号的加权平均，并输出它作为输出信号，而且由如下表达式可获得该输出信号y(t)，这里，在t时刻的输入信号、输出信号、输入可靠性分别由x(t)、y(t)、α_x(t)表示

[表达式1]

$y\left(t\right)=\frac{\underset{i=0}{\overset{t}{\mathrm{\Σ}}}{\mathrm{\α}}_{x\left(i\right)}x\left(i\right)}{\underset{i=0}{\overset{t}{\mathrm{\Σ}}}{\mathrm{\α}}_{x\left(i\right)}}---\left(1\right)$

这里，输入可靠性α_x(t)越大，被提供的权重值就越大。

根据表达式(1)，从当前时刻t后退一个采样点的输出信号y(t-1)可以由下式获得

[表达式2]

$y(t-1)=\frac{\underset{i=0}{\overset{t-1}{\mathrm{\Σ}}}{\mathrm{\α}}_{x\left(i\right)}x\left(i\right)}{\underset{i=0}{\overset{t-1}{\mathrm{\Σ}}}{\mathrm{\α}}_{x\left(i\right)}}---\left(2\right)$

在考虑输出信号y(t)的同时，也把表示真值逼近值的输出可靠性α_y(t)，即输出信号y(t)是真值的可靠性作为输出信号y(t)的评估值来引入，并且，通过下式定义从当前时刻t后退一个采样点的输出信号y(t-1)的输出可靠性α_y(t-1)。

[表达式3]

${\mathrm{\α}}_{y(t-1)}=\underset{i=0}{\overset{t-1}{\mathrm{\Σ}}}{\mathrm{\α}}_{x\left(i\right)}---\left(3\right)$

在此情况下，根据表达式(1)至(3)，其中的输出信号y(t)和输出可靠性α_y(t)可表达如下。

[表达式4]

[表达式5]

α_y(t)＝α_y(t-1)+α_x(t)                …(5)

同时，用于获得在t时刻的输出信号y(t)的权重可用w(t)表示，并由下式定义。

[表达式6]

$w\left(t\right)=\frac{{\mathrm{\α}}_{y(t-1)}}{{\mathrm{\α}}_{y(t-1)}+{\mathrm{\α}}_{x\left(t\right)}}---\left(6\right)$

根据表达式(6)，下式成立。

[表达式7]

$1-w\left(t\right)=\frac{{\mathrm{\α}}_{x\left(t\right)}}{{\mathrm{\α}}_{y(t-1)}+{\mathrm{\α}}_{x\left(t\right)}}---\left(7\right)$

利用表达式(6)和表达式(7)，可以根据如下的乘法和加法运算的加权平均表示表达式(4)中的输出信号y(t)。

[表达式8]

y(t)＝w(t)y(t-1)+1(1-w(t))x(t)             …(8)

注意，根据用于后退一个采样的输出信号y(t-1)的输出可靠性α_y(t-1)和用于当前输入信号x(t)的输入可靠性α_x(t)，从表达式(6)中可以得到在表达式(8)中使用的权重w(t)(和1-w(t))。同时，根据用于后退一个采样的输出信号y(t-1)的输出可靠性α_y(t-1)和用于当前输入信号x(t)的输入可靠性α_x(t)，也可以得到用于当前输出信号y(t)的输出可靠性α_y(t)。

现在，分别利用方差σ_x(t) ²或σ_y(t) ²的倒数作为输入信号x(t)的输入可靠性α_x(t)或输出信号y(t)的输出可靠性α_y(t)，即，按如下表达式定义输入可靠性α_x(t)和输出可靠性α_y(t)。

${\mathrm{\α}}_{x\left(t\right)}=\frac{1}{{{\mathrm{\σ}}_{x\left(t\right)}}^2}$

${\mathrm{\α}}_{y\left(t\right)}=\frac{1}{{{\mathrm{\σ}}_{y\left(t\right)}}^2}---\left(9\right)$

根据下式可以得到表达式(6)中的权重w(t)和表达式(7)中的权重1-w(t)。

[表达式10]

$w\left(t\right)=\frac{{{\mathrm{\σ}}_{x\left(t\right)}}^2}{{{\mathrm{\σ}}_{y(t-1)}}^2+{{\mathrm{\σ}}_{x\left(t\right)}}^2}---\left(10\right)$

[表达式11]

$1-w\left(t\right)=\frac{{{\mathrm{\σ}}_{y(t-1)}}^2}{{{\mathrm{\σ}}_{y(t-1)}}^2+{{\mathrm{\σ}}_{x\left(t\right)}}^2}---\left(11\right)$

另外，根据下式可以得到σ_y(t) ²

[表达式12]

σ_y(t) ²＝w(t)²σ_y(t-1) ²+(1-w(t))²σ_x(t) ²       …(12)

如图3所示的NR电路基本上按照表达式(6)来执行用于计算作为权重w(t)的校正参数的校正参数计算处理，并利用该权重w(t)按表达式(8)计算在后退一个采样的输出信号y(t-1)和当前输入信号x(t)之间的加权平均，从而，执行用于有效去除包含在输入信号x(t)中的噪声的校正处理。

现在，用户将没必要感觉到通过根据表达式(6)获得的权重w(t)而对输入信号进行校正处理而获得的结果的输出信号是最佳的。因此，如图3所示的NR电路为了获得用于控制(校正)作为校正参数的权重w(t)，通过学习用户对操作单元3的操作来执行控制数据学习处理，并利用由参数控制数据校正的权重执行输入信号的校正处理。

控制数据学习处理按如下方式进行。

即，可以这样认为，对于在提供学习操作信号的时刻输入的输入信号而言，用户认为对应于通过用户在第i时刻对操作单元3操作而提供的学习操作信号的权重w_i是最佳的，并且因此，对于控制数据学习处理来说，获得能把按照表达式(6)获得的权重w(t)校正成对应于学习操作信号的权重w_I的接近值(理论上是相同值)的参数控制数据就足够了。

为此，现在让我们这样考虑，把根据表达式(6)获得的权重w(t)作为用于学习的如同学生的学生数据，而把与学习操作信号对应的权重w_i作为用于学习的如同老师的老师数据，并从作为学生数据的权重w(t)中获得一个相对于根据由诸如如下式所示的参数控制数据a和b定义的线性表达式预测的作为老师数据的权重W_i的预测值W_i′。

[表达式13]

W_i′＝aw_i+b             …(13)

注意，在表达式(13)中(如同在随后描述的表达式(14)以及表达式(16)至(21)一样)，就对应于作为老师数据的学习操作信号的权重W_i被输入的时刻输入的输入信号而言，w_i表示根据表达式(6)获得的用作学生数据的权重w(t)。

根据表达式(13)，在作为老师数据的W_i和它的预测值W_i′之间的误差(预测误差)e_i按如下所示的表达式表达。

[表达式14]

e_i＝W_i-W′_i＝W_i-(aw_i+b)               …(14)

现在，让我们考虑利用如下表达式表达的，获得能使在表达式(14)中预测误差e_i的方差(square error)之和最小的参数控制数据a和b。

[表达式15]

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{e_i}^2---\left(15\right)$

注意，在表达式(15)中(如同在随后描述表达式(16)至(21)一样)，N表示老师数据和学生数据的组数。

首先，用参数控制数据a和b分别对表达式(15)中的方差之和取偏导数得到如下表达式。

[表达式16]

$\frac{\∂\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{e_i}^2}{\∂a}=-2\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_i(W_i-(a{w}_i+b))---\left(16\right)$

[表达式17]

$\frac{\∂\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{e_i}^2}{\∂b}=-2\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(W_i-(a{w}_i+b))---\left(17\right)$

因为表达式(15)中的方差之和的最小值(极小值)可以通过使表达式(16)和表达式(17)的右边为0的a和b获得，令表达式(16)和表达式(17)的右边为0，则分别地，从表达式(16)得到表达式(18)，和从表达式(17)得到表达式(19)。

[表达式18]

$N\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_i{W}_i=\mathrm{Nb}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_i+\mathrm{Na}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w_i}^2---\left(18\right)$

[表达式19]

$\mathrm{Nb}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_i-a\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_i---\left(19\right)$

将表达式(19)代入表达式(18)从如下表达式得到参数控制数据a。

[表达式20]

$a=\frac{N\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_i{W}_i-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_i\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_i}{N\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w_i}^2-{\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_i\right)}^2}---\left(20\right)$

同时，根据表达式(19)和表达式(20)可以从如下表达式获得参数控制数据b。

[表达式21]

$b=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_i-a\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_i}{N}---\left(21\right)$

为了获得如上所述的参数控制数据a和b，如图3所示的NR电路将执行控制数据学习处理。

接下来，参照图5至图7的流程图描述在如图3所示的NR电路中执行的校正处理、校正参数计算处理和控制数据学习处理。

首先，将参照图5中的流程图描述校正处理。

一旦学习单元2的选择单元21把作为校正参数的权重w(t)提供给了校正单元1，校正单元1中的权重存储器11就以盖写的形式存储权重w(t)。此外，校正单元1中的计算单元13从1中减去权重w(t)而得到权重1-w(t)，并把它提供给权重存储器12，继而以盖写的形式把它存储起来。

接着，一旦提供了输入信号x(t)，在步骤S21中，计算单元14就计算输入信号x(t)和存储在权重存储器12中的权重1-w(t)的积，并把它提供给计算单元16。此外，在步骤S21中，计算单元15计算存储在权重存储器11中的权重w(t)和由锁存电路17锁存的后退一个采样的输出信号y(t-1)的积，并把它提供给计算单元16。

流程图接着进行到步骤S22，这里，计算单元16把权重w(t)和输出信号y(t-1)的积和输入信号x(t)和权重1-w(t)的积相加，由此得到输入信号x(t)和输出信号y(t-1)的加权和值(1-w(t))x(t)+w(t)y(t-1)，并把它作为输出信号y(t)输出。同时也把该输出信号y(t)提供给锁存电路17，并且锁存电路17以盖写的形式存储输出信号y(t)。继而，流程返回步骤S21，等待提供下一个采样的输入信号，继而，重复相同处理。

接下来，参照如图6所示的流程图描述校正参数计算处理。

例如，在步骤S31中，首先，输入可靠性计算单元22基于输入信号的离差(dispersion)，获得输入可靠性α_x(t)。

即，输入可靠性计算单元22有一个内置的未示出的FIFO(先入先出)存储器，它除了能够锁存当前输入信号的采样x(t)外，还能够锁存几个过去的采样，并锁存利用当前输入信号和几个过去的采样信号计算的离差，以及把作为输入可靠性α_x(t)获得并提供给输出可靠性计算单元23和权重计算单元25的倒数。注意存在好几种情况，例如，其中，紧跟在输入信号的起始输入之后将没有足够的计算离差所必需的输入信号采样，在此情况下，将把缺省值作为输入可靠性α_x(t)输出。

接着，流程进行到步骤S32，权重计算单元25利用来自输入可靠性计算单元22的输入可靠性α_x(t)，由表达式(6)获得权重w(t)。

即，在输入可靠性计算单元22提供输入可靠性α_x(t)给权重计算单元25的时序，锁存电路24把输出可靠性计算单元23已经输出一个采样的输出可靠性α_y(t-1)锁存起来，并在步骤S32中，权重计算单元25利用来自输入可靠性计算单元22的输入可靠性α_x(t)和锁存电路24锁存的输出可靠性α_y(t-1)根据表达式(6)获得权重w(t)。并把该权重w(t)提供给权重校正单元26。

接着，流程进行到步骤S33，权重校正单元26从参数控制数据存储器37中读取参数控制数据，流程进行到步骤S34。在步骤S34中，权重校正单元26判断从参数控制数据存储器37读出的参数控制数据是否是其中的权重w(t)没有被校正过的一种模式的数据，即，表示这样一种模式的自动模式数据，在该模式中，也可以说，其中在权重计算单元25，从输入可靠性和输出可靠性中自动获得的权重w(t)、作为用于校正输入信号x(t)的权重W，而不管用户在操作单元3的操作(以后称之为自动模式)。

在步骤S34中，如果判断出所述参数控制数据不是自动模式数据，流程进行到步骤S35，权重校正单元26按照在从参数控制数据存储器37提供的参数控制数据a和b所定义的表达式(13)中的线性表达式，对权重校正单元25提供的权重w(t)进行校正，程序进行到步骤S36。在步骤S36，权重校正单元26把校正后的权重提供给选择单元21，而流程进行到步骤S37。这里，在表达式(13)中，w_i等价于由权重计算单元25提供的权重w(t)，而W_i′等价于校正后的权重W。

另一方面，在步骤S34中，如果判断出参数控制数据是自动模式数据，流程跳过步骤S35，进行到步骤S36，这里，权重校正单元26把来自权重计算单元25的权重w(t)不加改变地提供给选择单元21，流程进行到步骤S37。

在步骤S37中，输出可靠性计算单元23对输出可靠性进行更新。即，输出可靠性计算单元23按照表达式(5)把在前面的步骤S31中输入可靠性计算单元22已经计算过的输入可靠性α_x(t)，和在锁存电路24中已经锁存的来自后退一个采样的输出可靠性α_y(t-1)相加，由此得到当前输出可靠性α_y(t)，该可靠性α_y(t)以盖写形式存储在锁存电路24中。

接着，流程进行到步骤S38，选择单元21根据操作信号处理单元30的输出，判断用户是否正在对操作单元3操作。如果在步骤S38中判断出没有对操作单元3操作，流程进行到步骤S39，这里，选择单元21选择由权重校正单元26提供的权重(以后称作校正权重)，该权重被输出到校正单元1，流程返回步骤S31。

同时，在步骤S38中，如果判断出正在对操作单元3操作，流程进行到步骤S40，这里，选择单元21按操作选择由操作信号处理单元30输出的权重，并把它输出到校正单元1，流程进行到步骤S31。

因此，在如图6所示的校正参数计算处理中，如果没有对操作单元3进行操作，就把校正权重提供给校正单元1，而如果正在对操作单元3进行操作，就把对应于操作信号的权重提供给校正单元1。结果，在校正单元1，如果没有对操作单元3操作，校正权重就对输入信号校正，而如果正在对操作单元3操作，对应于操作信号的权重就对输入信号校正。

此外，在图6的校正参数计算处理中，如果是自动模式，仅仅根据输入可靠性和输出可靠性就能得到用于校正处理的权重，而不管对操作单元3是否操作，如果不是自动模式，就需要基于对操作单元3的操作，利用在随后所述的图7所示的控制数据学习处理中通过学习而获得的参数控制数据，得到用于校正处理的权重。

接着，参照图7所示的流程图描述控制数据学习处理。

在控制数据学习处理中，首先，在步骤S41中，操作信号处理单元30判断从操作单元3是否已接收到学习操作信号，如果判断出没有收到，流程返回步骤S41。

同时，如果判断出在步骤S41中从操作单元3已接收到学习操作信号，即是说，如果能判断出用户为了得到想要的输出信号已经对操作单元3进行了操作，诸如这样一些情形，其中，例如，启动对操作单元3操作，在此之后，在不超过第一时间段t1或更长时间段，就接着连续操作一段时间即第二时间段t2或更长时间段，继它之后，连续停止操作一段时间即第三段时间t3或更长时间，流程进行到步骤S42，这里，老师数据生成单元31生成老师数据，而学生数据生成单元32生成学生数据。

即，如果一旦接收到学习操作信号，操作信号处理单元30就把对应于学习操作信号的权重W(例如，对应于操作单元3的操作量、或用作操作单元3的旋钮或手把位置的权重)和学习标志一起提供给老师数据生成单元31和学生数据生成单元32。一旦接收到带有学习标志的权重W，老师数据生成单元31就获得作为老师数据的权重W，并把它提供给学习数据存储器33。同时，一旦接收到带有学习标志的权重，学生数据生成单元32也获得一个与在此时作为学生数据的输入信号对应的权重w，并把它提供给学习数据存储器33。

这里，也可以说，与输入信号对应的权重w意指根据输入可靠性和输出可靠性并按照表达式(6)自动获得的权重，并如上所述，学生数据生成单元32根据输入信号计算与输入信号对应的该权重w。

一旦从老师数据生成单元31接收到老师数据W并从学生数据生成单元32接收到学生数据w，学习数据存储器33就在步骤S43把一组最新的老师数据W和学生数据w存储起来，流程进行到步骤S44。

在步骤S44中，参数控制数据计算单元34用老师数据和学生数据执行用于最小二乘(least square)的加法运算。

即，参数控制数据计算单元34执行在表达式(20)和(21)中的等价于学生数据w_i和老师数据W_i的乘法运算(w_iW_i)和加法运算(∑w_iW_i)、等价于学生数据w_i的加法运算(∑w_i)、等价于老师数据W_I的加法运算(∑w_i)、等价于学生数据w_i自身的先积后和(summation of the product of)的运算(∑w_i ²)的运算。

现在假定，例如，已经获得N-1组老师数据和学生数据，并获得作为最新老师数据和学生数据的第N′组老师数据和学生数据，此时，在参数控制数据计算单元34中已经执行了第N′-1组老师数据和学生数据的加入。因此，对于第N′组老师数据和学生数据而言，只要保存了加入第N′-1组老师数据和学生数据的结果，通过加入第N′组老师数据和学生数据就可获得加入了N组老师数据和学生数据的、包括最新老师数据和学生数据的结果。

因此，参数控制数据计算单元34把前一步骤的加入结果存储在学习信息存储器35中作为学习信息，并使用该学习信息执行关于第N′组老师数据和学生数据的加入。现在，至目前为止用于加入的老师数据和学生数据的组数N对于加入也是必要的，并学习信息存储器35存储组数N作为学习信息。

继在步骤S44中执行加入之后，参数控制数据计算单元34把加入的结果作为学习信息以盖写的形式存储在学习信息存储器35中，流程进行到步骤S45。

在步骤S45中，参数控制数据计算单元34从存储在学习信息存储器35中的作为学习信息的加入结果，判断是否可以用表达式(20)和(21)获得参数控制数据a和b。

即，利用适合的以后被当作一个学习对(learning pair)的老师数据和学生数据组，如果不存在通过至少两个学习对而获得的学习信息，则不可能从表达式(20)和(21)中获得参数控制数据a和b。因此在步骤S45中，判断是否可从学习信息中获得参数控制数据a和b。

如果在步骤S45中判断出不可能获得参数控制数据a和b，参数控制数据计算单元34就把得出此结果的通知提供给判断控制单元36，流程进行到步骤S49。在步骤S49中，判断控制单元36把指示自动模式的自动模式数据提供给参数控制数据存储器37，这里，存储自动模式数据作为参数控制数据。接着，流程返回到步骤S41，并接下来，重复相同的处理。

因此，如果不存在足够的用于获得参数控制数据a和b的学习信息，则正如图6所示，从输入可靠性和输出可靠性自动获得的权重w(t)就可以不变地用于校正输入信号x(t)。

另一个方面，如果在步骤S45中判断出可以获得参数控制数据a和b，流程进行到步骤S46，在此利用判断控制单元36所提供的学习信息通过计算表达式(20)和(21)获得参数控制数据a和b，流程进行到步骤S47。

在步骤S47中，判断控制单元36按照由来自参数控制数据计算单元34的参数控制数据a和b定义的表达式(13)中的线性表达式，从存储在学习数据存储器33中的每条学生数据中，获得对应于老师数据的预测值，并获得在表达式(15)中表示的、用于其预测值的预测误差的方差的和(对于存储在学习数据存储器33中的老师数据的误差)。此外，判断控制单元36获得一个归一化误差(normalization error)，例如，其中，方差的和用存储在学习数据存储器33中的学习对数目来除，流程进行到步骤S48。

在步骤S48中，判断控制单元36判断所示归一化误差是否大于(大于或等于)一个预定的阈值S1。在步骤S48中，如果判断出归一化误差大于等于预定的阈值S1，即，如果在由参数控制数据a和b定义的表达式(13)中的线性表达式不以一种精确方式逼近存储在学习数据存储器33中的学生数据和老师数据的关系，流程进行到步骤S49，如上所述，在此，判断控制单元36把表示自动模式的自动模式数据作为参数控制数据提供给参数控制数据存储器37并存储起来。流程进行到步骤S41，并重复相同的步骤。

因此，即使能够获得参数控制数据a和b，如果在由参数控制数据a和b定义的表达式(13)中的线性表达式不以一种精确方式逼近存储在学习数据存储器33中的学生数据和老师数据的关系，则不变地使用从输入可靠性和输出可靠性自动获得的权重w(t)来校正输入信号x(t)，以不存在足够的用于获得参数控制数据a和b的学习信息的情形中相同的方式。

另一方面，在步骤S48中，如果判断出归一化误差不大于等于预定的阈值S1，即，如果在由参数控制数据a和b定义的表达式(13)中的线性表达式以一种精确方式逼近存储在学习数据存储器33中的学生数据和老师数据的关系，则流程进行到步骤S50，在此，判断控制单元36获得由参数控制数据a和b定义的表达式(13)中的线性表达式表示的回归线和由存储在学习数据存储器33中的最新老师数据和学生数据推得的点之间的误差(距离)ε。

接着流程进行到步骤S51，在此，判断控制单元36判断误差ε的大小是否大于等于预定的阈值S2，并且，如果判断出它不大于，则跳过步骤S52，流程进行到步骤S53，并且，判断控制单元36把在步骤S46中获得的参数控制数据a和b输出到参数控制单元数据存储器37。参数控制数据存储器37把来自判断控制单元36的参数控制数据a和b以盖写的形式存储起来，流程返回到步骤S41。

另一个方面，如果在步骤S51中判断出误差ε的大小大于预定的阈值S2，则流程进行到步骤S52，在这里，判断控制单元36通过控制参数控制数据计算单元34(不使用在学习信息存储器35中的学习信息)，仅仅利用从存储在学习数据存储器33中的作为最新的老师数据和学生数据回退预定数目的学习对，重新计算参数控制数据a和b。流程进行到步骤S53，在这里，判断控制单元36把在步骤S52中获得的参数控制数据a和b输出到参数控制数据存储器37，并在这里把它以盖写形式存储起来，流程返回到步骤S41。

因此，如果可以获得参数控制数据a和b，并且同时如果在由参数控制数据a和b定义的表达式(13)中的线性表达式以一种精确方式逼近存储在学习数据存储器33中的学生数据和老师数据的关系，则按照由通过利用基于用户对操作单元3的操作而获得的学习对执行学习而获得的参数控制数据a和b定义的表达式(13)，校正从输入可靠性和输出可靠性获得的权重w(t)，并把因对其校正而获得的校正权重W用于对输入信号x(t)的校正。

现在，由在步骤S46获得的参数控制数据a和b定义的表达式(13)中的线性表达式表示的回归线是这样一条线，它将使由如图8A所示的由N组学生数据和老师数据推定的N个点的方差(之和)最小。并在步骤S50中，得到该线和由最新老师数据和学生数据推得的点之间的误差ε。

如果该误差ε的大小不大于预定的阈值S2，则可以认为由在步骤S46获得的参数控制数据a和b定义的表达式(13)中的线性表达式表示的回归线，以相对精确的方式逼近包括由最新老师数据和学生数据推得的点在内的、由到目前为止提供的老师数据和学生数据推得的每个点。

然而，如果该误差ε的大小大于阈值S2，即如果如图8B所示，由最新老师数据和学生数据推得的点(在图8B中用圆圈表示)大大地偏离了由在步骤S46获得的参数控制数据a和b定义的表达式(13)中的线性表达式表示的回归线，则可以认为用户出于某种原因以某种趋势已经对操作单元3执行了有别于至目前为止的操作。

因此，在此情况下，判断控制单元36通过控制参数控制数据计算单元34，在步骤S52中仅仅利用存储在学习数据存储器33的学习对中的几个最新学习对，重新计算的参数控制数据a和b。

即是说，在此情况下，参数控制数据计算单元34在不利用(忘记)存储在学习信息存储器35中的作为过去的加入结果的学习信息的情况下，仅仅利用几个最近的老师数据和学生数据组，重新计算在表达式(13)中用来定义该线的那些最逼近由老师数据和学生数据推定的一组点的参数控制数据a和b。

具体地讲，例如，如图8C所示，参数控制数据计算单元34得到用来定义穿过由最新老师数据和学生数据推定的点(在图8C中用圆圈表示)和由后退一个时间提供的老师数据和学生数据推定的点(在图8C中用三角形表示)的线的参数控制数据a′和b′。

如上所述，根据按照用户操作提供的操作信号是否对学习有用而作出判断，如果信号是能用于学习的学习操作信号，则基于该学习操作信号学习用于校正用作校正输入信号的权重的参数控制数据a和b，于是在不需要用户使用和知道的情况下就可以学习用户的操作，结果，基于学习结果渐渐执行适合于用户的处理，直至最后帮助用户执行最佳处理。

这就意味着，从用户的角度来看，在对操作单元3正常操作一段时间以后，即使不进行任何操作，对于各种类型的输入信号而言，也都能得到对于用户最佳的降噪结果，因此，也就是说，设备变得受过训练。在训练设备阶段，用户对操作单元3操作以便获得想要的输出信号，于是用户渐渐清楚地认识到操作单元3的操作和用于校正输入信号的权重W之间的关系，于是最终用户对操作单元3的操作和用于校正输入信号的权重W在性质上是相关的。

同时，在如图3所示的NR电路中，用于在操作单元1中执行的校正处理(图5)的权重W依用户对操作单元3的操作而改变，结果得到用户想要的输出信号。即，一旦用户对操作单元3操作，操作信号处理单元30就输出表示对应于该操作的操作信号的权重，选择单元21选择该权重，并把它提供给校正单元1。在这种情况下，在校正单元1，利用与用户所作的操作对应的权重执行表达式(8)表示的校正处理。如果由于用户的操作而使表达式(8)中的权重w(t)变化，则由表达式(8)表示的处理内容也会变化，于是，可以理所当然地说，在如图3所示的NR电路中，“处理的内容”随用户的操作而变化，结果得到用户想要的输出信号。

此外，在如图3所示的NR电路中，如果不能得到参数控制数据a和b，或如果虽然能得到参数控制数据a和b，但是在由参数控制数据a和b定义的表达式(13)中的线性表达式不以一种精确方式逼近存储在学习数据存储器33中的学生数据和老师数据的关系，则在校正单元1使用从输入可靠性和输出可靠性自动获得的权重进行校正处理。另一方面，如果能得到参数控制数据a和b，同时，在由参数控制数据a和b定义的表达式(13)中的线性表达式以一种精确方式逼近存储在学习数据存储器33中的学生数据和老师数据的关系，则按照由通过利用基于用户对操作单元3的操作而获得的学习对来执行学习而获得的参数控制数据a和b定义的表达式(13)，校正从输入可靠性和输出可靠性获得的权重，并把通过该校正而获得的已校正权重用于校正单元1的校正处理。

即是说，在如图3所示的NR电路中，如果用户没有输入足够的学习对，或者如果在此没有输入可能是高精确逼近的学习对，则在校正单元1使用从输入可靠性和输出可靠性自动获得的权重作校正处理，并且如果在此输入可能是高精确逼近的学习对，则在校正单元1使用利用所述学习对执行学习而获得的参数控制数据a和b而得到的校正权重作校正处理。

因此，归纳起来，表达式(8)中的权重w(t)在这样两种情形之间变化，一种情形是，不能获得足够数目的学习对或能高精确逼近的学习对，另一种情形是，能获得高精确逼近的学习对，从而由表达式(8)表示的校正处理内容也跟着发生变化，所以从这一点来看如图3所示的NR电路，可以这么说，正是由于改变了“处理内容”所以才得到用户想要的输出信号。

此外，在如图3所示的NR电路中，用于计算用作校正处理的权重的***将随着这样一些情形而变化，其中一些情形是，不能获得足够数目的学习对或高精确逼近的学习对，另一些情形是，能获得高精确逼近的学习对。

即是说，在不能获得足够数目的学习对或能高精确逼近的学习对的情形下，不管用户是否操作，权重都从输入可靠性和输出可靠性得到。另一方面，如果已经得到高精确逼近的学习对，则基于通过学习获得的参数控制数据并利用基于用户操作获得的学习对就可获得所述权重。

因此，在此情况下，可以说，随着用户的操作而改变用于计算权重的处理***即如何获得权重的算法，就可得到用户想要的输出信号。

现在用函数F表示用于获得权重的处理，改变如上所述的“处理内容”就等价于改变函数F。这里，函数F发生变化的情形可以分为两种情形，一种是，函数F本身的形式发生改变(即，这种情形是，F＝x变为F＝x²等)另一种情形是，函数F本身的形式不变化但是定义函数F的系数变化(即，F＝2x变为F＝3x，等)

现在，相对“处理的内容”中的变化而言，如果我们假定这样一种情形，其中，表示本身变化的处理的函数F的形式是“处理的配置”的变化，那么，改变用于计算如上所述的等待(用于如何获得权重的算法)的处理***就可以说是改变“处理的配置”。

因此，在如图3所示的NR电路中，除了“处理的内容”外，“处理的配置”同时也随用户的操作而改变，从而得到用户想要的输出信号。

同时，对于输入信号而言，也可以使用图像信号和音频信号，当然还有其他信号。如果输入信号是图像信号，则基于将被处理的某个像素附近的多个像素获得的离差，就可要么在空域或要么在时域计算输入可靠性。

同时，对于如上所述的情形，为了便于描述，由在学习单元2中的参数控制数据a和b定义的表达式(13)中的线性表达式，把从输入可靠性等获得的权重w校正成校正权重W，但实际上，权重w的校正更倾向于由更高次表达式执行。同时，例如，基于所使用的优化设备的应用等更倾向于把在高次表达式中的次数设置成一个适合的值。

此外，可以调整用于从权重w中得到校正权重W的表达式(以后称作校正权重计算表达式)，其中，除了在表达式(13)中的线性表达式w＝aw+b外，还预备了多次方表达式，例如，诸如二次方表达式w＝aw²+bw+c，三次方表达式w＝aw³+bw²+cw+d等(其中a，b，c，和d是预定的系数)，并且其中采用了屏蔽(shield)最小归一化误差的多次方校正权重计算表达式。注意，在此情况下，选择其中根据由用户操作获得的学习对而得到的归一化误差最小的校正权重计算表达式，并利用被选中的校正权重计算表达式得到校正权重。即是说，如何得到校正权重的算法随着用户的操作变化而变化。由此，同样在此情况下，也可以说，“处理的配置”随着用户的操作变化而变化。

接下来，图9说明了其中把如图1所示的优化设备应用到NR电路这样一种情况的另一个详细配置示例。在该图中，与图3所述的情形相对应的部分被赋予相同的参考号码，并且，适当地省略了其中的描述。即是说，除了没有提供权重校正单元26以及分别用输入可靠性计算单元41和学生数据生成单元42代替输入可靠性计算单元22和学生数据生成单元32外，如图9所示的NR电路与如图3所示的NR电路基本上相同。

输入可靠性计算单元41根据输入信号的多个采样和存储在参数控制数据存储器37中的参数控制数据，计算输入可靠性，并把计算结果提供给输出可靠性计算单元23和权重计算单元25。

学生数据生成单元42获得作为学生数据的输入信号和从输出可靠性计算单元23输出的输出可靠性，并把它提供给学习数据存储器33。

注意，在如图9所示的实施例中，没有提供权重校正单元26，所以就直接把在权重计算单元25得到的权重不变地提供给选择单元21，并且该选择单元21按如图3所示的相同的方法选择和输出由权重计算单元25输出的权重或操作信号处理单元30输出的权重的一个或另一个。

同时，在如图9所示的实施例中，参数控制数据用作控制输入可靠性的数据。

正如如图3所示的NR电路一样，在图9所示的NR电路同样也执行校正处理、校正参数计算处理和控制数据学习处理。按照参照如图5所述的相同方法执行校正处理，所以将忽略如图9所示NR电路的校正处理的描述，而描述校正参数计算处理和控制数据学习处理。

即是说，例如，对于如图9所示的NR电路，利用如下表达式所定义的输入可靠性α_x(t)推定在校正处理中使用的、如表达式(6)所示的权重来执行校正参数计算处理和控制数据学习处理。

[表达式22]

α_x(t)＝a₁x₁+a₂x₂+…+a_Nx_N          …(22)

然而，注意到在表达式(22)中，a₁，a₂，a₃，…，a_N表示参数控制数据，而x₁，x₂，x₃，…，X_N表示预定的和将要进行处理的输入信号采样相关的输入信号采样(感兴趣的采样)。现在，例如，如果输入信号是图像信号，例如可以使用作为一个感兴趣的像素(在图10中用X表示)和一个在时间或空间意义上在此像素位置附近的像素(在图10中用圆圈表示)，用作x₁，x₂，x₃，…，x_N。

根据表达式(22)，由表达式(6)提供的权重w(t)可以用表达式(23)表达。

[表达式23]

$w\left(t\right)=\frac{{\mathrm{\α}}_{y(t-1)}}{{\mathrm{\α}}_{y(t-1)}+{\mathrm{\α}}_{x\left(t\right)}}---\left(23\right)$

$=\frac{{\mathrm{\α}}_{y(t-1)}}{{\mathrm{\α}}_{y(t-1)}+(a_1{x}_1+a_2{x}_2+...+a_N{x}_N)}$

因此，如果输入输入信号x₁、x₂、x₃、…、x_N，为了获得用户提供的权重W，根据表达式(23)应该能够得到满足如下表达式的参数控制数据a₁、a₂、a₃、…、a_N。

[表达式24]

$W=\frac{{\mathrm{\α}}_{y(t-1)}}{{\mathrm{\α}}_{y(t-1)}+(a_1{x}_1+a_2{x}_2+...+a_N{x}_N)}---\left(24\right)$

对表达式(24)变形，可以得到表达式(25)。

[表达式25]

(a₁x₁+a₂x₂+…+a_Nx_N)W+(W-1)α_y(t-1)＝0        …(25)

一般来讲，任何时刻都得到满足表达式(25)的参数控制数据a₁、a₂、a₃、…、a_N是困难的，所以这里，例如，我们将考虑通过最小二乘方法得到使表达式(25)的左边和右边的方差之和最小的参数控制数据a₁、a₂、a₃、…、a_N。

这里，使表达式(25)的左边和右边的方差之和最小意味着使由表达式(23)提供的权重w(t)和由用户提供的权重W的方差最小，即，利用由用户提供的作为老师数据的权重W和在表达式(23)中定义权重w(t)的、作为学生数据的输入信号x₁、x₂、x₃、…、x_N和输出可靠性α_y(t-1)，等价于使由表达式(23)根据学生数据计算的权重w(t)和由用户提供的作为老师数据的权重W的方差最小，并且根据参数控制数据a₁，a₂，a₃，…，a_N和学生数据计算的权重w(t)和老师数据W之间有一个小的误差。

表达式(26)提供了表达式(25)的左边和右边的方差e²。

[表达式26]

e²＝{(a₁x₁+a₂x₂+…+a_Nx_N)W+(W-1)α_y(t-1)}²         …(26)

根据在用每个参数控制数据a₁，a₂，a₃，…，a_N对表达式(26)中的方差e²的偏导数为0的条件，即通过下式提供使方差e²最小的参数控制数据a₁、a₂、a₃、…、a_N。

[表达式27]

$\frac{\∂e^2}{\∂a_1}=0,\frac{\∂e^2}{\∂a_2}=0,...,\frac{\∂e^2}{\∂a_N}=0---\left(27\right)$

将表达式(26)代入表达式(27)得表达式(28)。

[表达式28]

(a₁x₁W+a₂x₂W+…+a_Nx_NW+(W-1)α_y(t-1))Wx₁＝0

(a₁x₁W+a₂x₂W+…+a_Nx_NW+(W-1)α_y(t-1))Wx₂＝0        …(28)

             .                        .

             .                        .

             .                        .

(a₁x₁W+a₂x₂W+…+a_Nx_NW+(W-1)α_y(t-1))Wx_N＝0

因此，分别如表达式(29)所示那样定义矩阵x，A和Y，则根据表达式(28)，表达式(30)所示的关于矩阵x，A和Y的关系成立。

[表达式29]

$A=\left[\begin{array}{c}{a}_1\\ a_2\\ \·\\ \·\\ \·\\ a_N\end{array}\right],$

$Y=\left[\begin{array}{c}\mathrm{\ΣW}(1-W){\mathrm{\α}}_{y(t-1)}{x}_1\\ \mathrm{\ΣW}(1-W){\mathrm{\α}}_{y(t-1)}{x}_2\\ \·\\ \·\\ \·\\ \mathrm{\ΣW}(1-W){\mathrm{\α}}_{y(t-1)}{x}_N\end{array}\right]---\left(29\right)$

[表达式30]

XA＝Y                       …(30)

注意，表达式(29)中的和(∑)意味着关于输入信号x₁至x_N的组数和根据用户在从用户输入的输入信号x₁至x_N基础上提供的权重W的总和。

例如，通过克莱斯基(Cholesky)方法等可以对表达式(30)求解关于矩阵(矢量)A即参数控制数据a₁，a₂，a₃，…，a_N。

如图9所示的NR电路按如上所述的方法执行控制数据学习处理，其中，用由用户提供的、作为老师数据的权重W并用在表达式(23)中定义权重w(t)的、作为学生数据的参数控制数据a₁、a₂、a₃、…、a_N和输出可靠性α_y(t-1)，利用最小二乘法学习使由表达式(23)根据学生数据计算的权重w(t)和由用户提供的作为老师数据的权重W的方差最小的输入信号x₁、x₂、x₃、…、x_N。此外，如图9所示的NR电路根据由参数控制数据a₁至a_N定义的表达式(22)获得输入可靠性α_x(t)，并按照表达式(23)根据输入可靠性α_x(t)和输出可靠性α_y(t-1)，进一步执行用于获得作为校正参数的权重的校正参数计算处理。

现在，将参照图11的流程图描述如图9所示的NR电路的校正参数计算处理。

在校正参数计算处理中，首先，在步骤S61中，输入可靠性计算单元41从参数控制数据存储器37中读取参数控制数据，流程执行到步骤S62。在步骤S62中，输入可靠性计算单元41判断从参数控制数据存储器37中读取的参数控制数据是否是表示自动模式的自动模式数据，其中，所述自动模式表示可不使用参数控制数据获得输入可靠性，即，也就是说，其中输入可靠性是仅仅根据输入信号自动获得的一种模式，而不管用户对操作单元3的操作(该模式以后也称作自动模式)。

在步骤S62中，如果判断出所述参数控制数据不是自动模式数据，流程进行到步骤S63，输入可靠性计算单元41利用提供至此的最新N个输入信号采样x₁至x_N，按照由从参数控制数据存储器37读取的参数控制数据定义的表达式(22)中的线性表达式，得到输入可靠性α_x(t)，并把它提供给输出可靠性计算单元23和权重计算单元25，流程进行到步骤S65。

同时，例如，如果在步骤S62中判断出参数控制数据是自动模式数据，流程进行到步骤S64，并且，输入可靠性计算单元41仅仅利用输入信号并基于其中的离差按图6的步骤S31的相同方法得到输入可靠性α_x(t)，并把它提供给输出可靠性计算单元23和权重计算单元25。

在步骤S65中，权重计算单元25按照表达式(23)，利用来自输入可靠性计算单元41的输入可靠性α_x(t)和由输出可靠性计算单元23后退一个样点输出的、在锁存电路24锁存的输出可靠性α_y(t-1)得到权重w(t)。权重计算单元25将该权重w(t)提供给选择单元21。

继而，流程进行到步骤S66，并按如同图6中步骤S37的相同方法，输出可靠性计算单元23按照表达式(5)，把由输入可靠性计算单元41提供的输入可靠性α_x(t)和在锁存电路24中锁存的、后退一个采样点输出的输出可靠性α_y(t-1)相加，从而更新输出可靠性α_y(t)，并以盖写锁存电路24的方式存储起来。

接着，流程进行到步骤S67，这里，选择单元21根据操作信号处理单元30的输出判断操作单元3是否正由用户操作。如果在步骤S67中判断出没有操作操作单元3，流程进行到步骤S68，选择单元21选中由权重计算单元25提供的权重，并把它输出到校正单元1，接着流程返回到步骤S61。

同时，如果在步骤S67中判断出正在对操作单元3进行操作，流程进行到步骤S69，其中，选择单元21选中由输出信号处理单元30根据此处的操作输出的权重，并把它输出到校正单元1，流程返回到步骤S61。

因此，在图11的校正参数计算处理中，如果没有对操作单元3操作，就把基于输入可靠性计算的权重提供给校正单元1，并且如果正在对操作单元3操作，就把与此处的操作信号对应的权重提供给校正单元1。结果，在校正单元1，如果没有对校正单元3操作，就由基于输入可靠性的权重校正输入信号，并且如果正在对操作单元3操作，就按照与此处操作信号对应的权重校正输入信号。

此外，在图11的校正参数计算处理中，如果是自动模式，就基于输入信号的离差并根据输入可靠性获得用于校正处理的权重，而不管是否对操作单元3操作，并且如果不是自动模式，就基于对操作单元3的操作并根据输入可靠性得到用于校正处理的权重，而该输入可靠性是利用通过随后所述的如图12所示的控制数据学习处理学习而获得的参数控制数据得到的。

接着，将参照图12的流程图描述在如图9所示的NR电路中执行的控制数据学习处理。

对于控制数据学习处理而言，首先，在步骤S71中，按图7中步骤S41的相同方法，操作信号处理单元30判断是否从操作单元3收到学习操作信号，如果判断出没有收到，流程返回到步骤S71。

同时，如果判断出在步骤S71中从操作单元3收到学习操作信号，即，如果能判断出用户为了得到想要的输出信号已经对操作单元3进行了操作，诸如这样一些情形，其中，例如，刚开始对操作单元3操作，接着，在不超过第一时间段t1或更长时间段，就接着连续操作一段时间即第二时间段t2或更长时间段，继它之后，连续停止操作一段时间即第三段时间t3或更长时间，流程进行到步骤S72，这里，老师数据生成单元31生成老师数据，而学生数据生成单元42生成学生数据。

即，如果一旦接收到学习操作信号，操作信号处理单元30就把对应于所述学习操作信号的权重W和学习标志一起提供给老师数据生成单元31和学生数据生成单元42。一旦接收到带有学习标志的权重W，该数据生成单元31就获得作为老师数据的权重W，并把它提供给学习数据存储器33。

另一方面，学生数据生成单元42有一个用于缓存输入信号的内置缓冲区(没有标出)，并且在此缓存区不断存储输入信号直至其存储容限，而如果接收到带有学习标志的权重，就从内置缓冲区读取与在该时刻输入的输入信号的采样有预定位置关系的输入信号采样x₁至x_N。此外，学生数据生成单元42从输出可靠性计算单元23中读取输出可靠性α_y(t-1)。接着，学生数据生成单元42把输入信号的采样x₁至x_N和输出可靠性α_y(t-1)作为学生数据提供给学习数据存储器33。

一旦接收到来自老师数据生成单元31的老师数据W和来自学生数据生成单元42的学生数据x₁至X_N和输出可靠性α_y(t-1)，在步骤S73中，学习数据存储器33就把该组最新老师数据W、学生数据x₁至x_N和α_y(t-1)存储起来，流程进行到步骤S74。

在步骤S74，参数控制数据计算单元34对老师数据和学生数据执行用于最小二乘的加法运算。

即，参数控制数据计算单元34执行表达式(29)中的矩阵X和Y的元素的学生数据和另一个学生数据之间积的运算、学生数据和老师数据的积的运算以及它们的和的运算。

现在，按图7中的步骤S44的相同方法执行步骤S74中的加法运算。即是说，把前面的加入结果作为学习信息存储在学习信息存储器35中，而参数控制数据计算单元34利用该学习信息，执行关于最新老师数据和学生数据的加入运算。

步骤S74中的加法运算之后，参数控制数据计算单元34把加入结果作为学习信息以盖写形式存储在学习信息存储器35中，流程进行到步骤S75，参数控制数据计算单元34根据存储在学习信息存储器35中作为学习信息的加入结果，判断表达式(30)是否能求解矩阵A，即是否可以得到参数控制数据a₁至a_N。

即是说，如果根据预定数目或比预定数目更多的学习对获得的学习信息不存在，则不能求解表达式(30)的矩阵A，并且也不能得到作为其中元素的参数控制数据a₁至a_N。因此，在步骤S75中判断是否能根据所述学习信息得到参数控制数据a₁至a_N。

在步骤S75中，如果判断出不能得到参数控制数据a₁至a_N，参数控制数据计算单元34就把得出此结果的信息提供给判断控制单元36，流程进行到步骤S79。在步骤S79中，判断控制单元36把表示自动模式的自动模式数据作为参数控制数据提供给参数控制数据存储器37。流程接着返回到步骤S71，并继而重复相同处理。

因此，如果不存在足够的用于获得参数控制数据a₁至a_N的学习信息，正如参照图11所描述的那样，就把基于输入信号的离差，根据输入可靠性得到的权重用于输入信号x(t)的校正。

另一方面，如果在步骤S75中判断出能够得到参数控制数据，流程进行到步骤S76，在此，参数控制数据计算单元34利用所述学习信息，通过求解表达式(30)的矩阵A得到参数控制数据a₁至a_N，并把它提供给判断控制单元36，而流程进行到步骤S77。

在步骤S77，判断控制单元36根据由来自参数控制数据计算单元34的参数控制数据a₁至a_N定义的表达式(23)，并从存储在学习数据存储器33中的学生数据得到对应的老师数据的预测值，并得到由表达式(26)表示的方差，和该预测值的预测误差(对于存储在学习数据存储器33中的老师数据的误差)之和。此外，例如，判断控制单元36得到一个归一化误差，其中，方差和被存储在学习数据存储器33中的学习对数除，流程进行到步骤S78。

在步骤S78中，判断控制单元36判断所述归一化误差是否大于(等于或多于)一个预定的阈值S1。如果在步骤S78中判断出归一化误差大于所述预定阈值S1，即，如果在由参数控制数据a₁至a_N定义的表达式(23)中的线性表达式不精确逼近存储在学习数据存储器33中的学生数据和老师数据的关系，则流程进行到步骤S79，判断控制单元36把表示自动模式的自动模式数据作为参数控制数据提供给参数控制数据存储器37。流程返回到步骤S71，并继而重复相同的处理。

因此，即使能够得到参数控制数据a₁至a_N，如果在由参数控制数据a₁至a_N定义的表达式(23)中的线性表达式不精确逼近存储在学习数据存储器33中的学生数据和老师数据的关系，则基于输入信号的离差通过输入可靠性获得的权重，也能按照不存在足够的用于获得参数控制数据a₁至a_N的学习信息情形下的相同方法，校正输入信号x(t)。

另一方面，如果在步骤S78中判断出归一化误差不大于预定阈值S1，即，如果由参数控制数据a₁至a_N定义的表达式(23)中的线性表达式精确逼近存储在学***面(plane)(线)，和由存储在学习数据存储器33中的最新老师数据和学生数据推得的点之间的误差(距离)ε。

接着流程进行到步骤S81，在此，判断控制单元36判断误差ε的大小是否大于(等于或多于)预定的阈值S2，并且，如果判断出它不大于，则跳过步骤S82，流程进行到步骤S83，并且，判断控制单元36把在步骤S76中获得的参数控制数据a₁至a_N输出到参数控制单元数据存储器37。参数控制数据存储器37把来自判断控制单元36的参数控制数据a₁至a_N以盖写的形式存储起来，流程返回到步骤S71，继而重复相同处理。

另一个方面，如果在步骤S81中判断出误差ε的大小大于预定的阈值S2，则流程进行到步骤S82，在这里，判断控制单元36控制参数控制数据计算单元34以便于仅仅利用存储在学习数据存储器33中的最新老师数据和学生数据，重新计算参数控制数据a₁至a_N。接着流程进行到步骤S83，在这里，判断控制单元36把在步骤S82中获得的参数控制数据a₁至a_N输出到参数控制数据存储器37，并在这里把它以盖写形式存储起来，流程返回到步骤S71。

即，同样在图12所示的实施例中，按如图7中的实施例的相同方法，在步骤S82中可以获得根据到目前为止提供的老师数据和学生数据而获得的参数控制数据a₁至a_N，由表达式(23)定义的平面和由最新老师数据和学生数据推得的点之间的误差ε。

如果该误差ε的大小不大于预定的阈值S2，则可以认为由表达式(23)根据在步骤S76获得的参数控制数据a₁至a_N定义的平面，以相对精确的方式逼近包括由最新老师数据和学生数据推得的点在内的、由到目前为止提供的老师数据和学生数据推得的点，因而就把该参数控制数据a₁至a_N存储在参数控制数据存储器37中。

另一方面，如果该误差ε的大小大于阈值S2，可以认为由在步骤S76获得的参数控制数据a₁至a_N定义的表达式(23)的平面，相对大地偏离了由最新老师数据和学生数据推得的点，于是判断控制单元36控制参数控制数据计算单元34以便于在步骤S82仅仅利用存储在学习数据存储器33中的最新老师数据和学生数据，重新计算参数控制数据a₁至a_N。

利用如图9所示的NR电路，根据如上所述得到的参数控制数据a₁至a_N。在输入可靠性计算单元41按照表达式(22)计算输入可靠性α_x(t)。

因此，同样在此情况下，基于按照用户操作提供的学习操作信号，对表达式(22)中推定的输入可靠性α_x(t)的参数控制数据a₁至a_N执行学习，于是在用户不知道的情况下可以学习用户的操作，此外，利用该学习结果可以帮助用户执行最佳处理。

同时，如同图3的NR电路一样，对于图9的NR电路，一旦用户对操作单元3操作，操作信号处理单元30就输出表示对应于该操作的操作信号的权重，选择单元21选择该权重，并把它提供给校正单元1。在这种情况下，在校正单元1利用与用户所作的操作对应的权重，执行用表达式(8)表示的校正处理。如果由于用户的操作而使表达式(8)中的权重w(t)变化，则表达式(8)表示的内容也会变化，于是，可以理所当然地说，同样在如图9所示的NR电路中，“处理的内容”随用户的操作而变化，结果得到用户想要的输出信号。

此外，在如图9所示的NR电路中，如果不能得到参数控制数据a₁至a_N，或如果虽然能得到参数控制数据a₁至a_N，但是在由参数控制数据a₁至a_N定义的表达式(23)中的线性表达式不精确逼近存储在学习数据存储器33中的学生数据和老师数据的关系，则把基于输入信号的离差从输入可靠性获得的权重用于校正单元1的校正处理。另一方面，如果能得到参数控制数据a₁至a_N，同时，由参数控制数据a₁至a_N定义的表达式(23)中的线性表达式，精确逼近存储在学习数据存储器33中的学生数据和老师数据的关系，则按照表达式(23)，把从输入信号、参数控制数据a₁至a_N(更适合的是从中计算的输入可靠性)和输出可靠性获得的权重用于校正单元1的校正处理，其中，表达式23由通过利用基于用户对操作单元3的操作而获得的学习对来执行学习而获得的参数控制数据a₁至a_N(当然，在此有被用于计算的输入可靠性)所定义。

即，如同如图3所示的NR电路一样，在如图9所示的NR电路中，用于计算被用作校正处理的权重的***在这样两种情形之间变化，一种情形是，不能获得足够数目的学习对或能高精确逼近的学习对，另一种情形是，能获得高精确逼近的学习对。

因此，同样在如图9所示的NR电路中，除了“处理的内容”以外，“处理的配置”也随用户的操作而改变，从而输出用户想要的输出信号。

现在，在上述情况中，如表达式(5)所示，利用根据输入可靠性α_x(t-1)获得的输出可靠性α_y(t-1)得到参数控制数据a₁至a_N作为学生数据。朝着获得用户想要的权重的方向，通过执行如图12所示的控制数据学习处理，渐渐改善输入可靠性α_x(t)，于是同时也改善了输出可靠性α_y(t-1)。

同时，对于如上所述的情况，把输出可靠性设置成一个已知值，并由参数控制数据a₁至a_N推定输入可靠性，由此得到能够产生用户想要的权重的参数控制数据a₁至a_N，但是相反地，可以作这样的调整，其中把输入可靠性设置成一个已知值，并由参数控制数据a₁至a_N推定输出可靠性，由此得到能够产生用户想要权重的参数控制数据a₁至a_N。

此外，可以作这样的调整，例如，其中把输出可靠性设置成一个已知值，并由参数控制数据a₁至a_N推定输入可靠性，由此可以得到能够产生用户想要权重的参数控制数据a₁至a_N，进一步也可以把通过参数控制数据a₁至a_N得到的输入可靠性设置成一个已知值，并由参数控制数据a₁′至a_N′推定输出可靠性，从而能够得到生成用户想要权重的参数控制数据a₁至a_N，即可得到两组参数控制数据a₁至a_N和a₁′至a_N′。

同时，在上述情形中，已经对如表达式(6)所示的、为了获得参数控制数据a₁至a_N而被定义的输入可靠性α_x(t)和输出可靠性α_y(t-1)作了描述。但是除此之外，例如，也能作诸如表达式(31)所示的调整，其中，除了输入可靠性α_x(t)和输出可靠性α_y(t-1)外，还利用了一个输入可靠性α_x(t)和输出可靠性α_y(t-1)的校正项Δα，以便于能够得到参数控制数据a₁至a_N和校正项Δα

[表达式31]

$w\left(t\right)=\frac{{\mathrm{\α}}_{y(t-1)}+\mathrm{\Δ\α}}{{\mathrm{\α}}_{y(t-1)}+\mathrm{\Δ\α}+{\mathrm{\α}}_{x\left(t\right)}}---\left(31\right)$

此外，用于通过参数控制数据定义输入可靠性的表达式不限于表达式(22)。

接着，图13说明了用于汽车的自动驾驶设备的一个实施例的配置示例，如图1所示的优化设备已被应用到该设备中。

利用自动驾驶设备得到定位坐标(X，Y)和驾驶方向θ，并按预定的路线驾驶该汽车。然而，在利用自动驾驶设备得到定位坐标(X，Y)和驾驶方向θ的过程中会经常含有误差，在此情况下，汽车可能会偏离预定的路线。因此，利用如图13所示的自动驾驶设备，在用户不知道的情况下学习用户的操作，并基于学习的结果按预定路线驾驶汽车。即，即使汽车偏离预定的路线，一般来讲，用户会操作方向盘或油门踏板使汽车沿预定路线运动。因此，如图13所示的自动驾驶设备实施控制，以便在用户不知道的情况下学习用户的操作而使汽车基于学习的结果渐渐沿着预定路线运动。

陀螺传感器51检测汽车的偏航率r，并把它提供给计算单元53。方向盘脉冲发生器52把与汽车方向盘的旋转角度对应数目的电脉冲提供给计算单元53。

计算单元53根据陀螺传感器51和方向盘脉冲发生器52的输出，按照例如如下表达式，计算定位坐标(X，Y)和驾驶方向θ，并把它提供给优化设备54。

[表达式32]

θ＝θ(0)+∫rdt

X＝X(0)+∫V_rcos(θ+β)dt          …(32)

Y＝Y(0)+∫V_rsin(θ+β)dt

注意在表达式(32)中，θ(0)表示在驾驶的起始时刻汽车的方向，而(X(0)，Y(0))表示在驾驶的起始时刻汽车的坐标。同时，利用未标明的GPS(全球定位***)等可以得到θ(0)和(X(0)，Y(0))。此外，V_r表示汽车的驾驶速度，而β表示汽车重心的偏离角。

现在，在日本未经审查的专利申请文件No.10-69219中公布了，例如，如何得到如上所述的坐标(X，Y)和驾驶方向θ的方法。

优化设备54学习用户在操作单元58所作的操作，即，基于用户对操作单元58操作提供的操作信号执行学习，校正来自计算单元53的坐标(X，Y)和驾驶方向θ，以便基于学习的结果执行用户想要的驾驶，并把它提供给自动驾驶控制单元55。

自动驾驶控制单元55存储用于自动驾驶的地图数据和事先设置的路线(以后称作设置路线)。自动驾驶控制单元55根据优化设备54提供的坐标(X，Y)和驾驶方向θ，识别当前汽车的位置和驾驶方向，并产生一个用于控制随后所述的驾驶单元57的控制信号，以使汽车沿着用于驾驶的设置路线行进，并把它输出给选择单元56。

把来自自动驾驶控制单元55的控制信号提供给选择单元56，同时也把来自操作单元58的操作信号提供给选择单元56。选择单元56根据来自自动驾驶控制单元55的控制信号和来自操作单元58的操作信号的较高优先权重级选择操作信号，并把这些操作信号输出给驾驶单元57，即，通常选择单元56选择来自自动驾驶控制单元55的控制信号并把这些操作信号输出给驾驶单元57，但是一旦接收到来自操作单元58的操作信号，则在接收到操作信号的同时停止输出来自自动驾驶控制单元55的控制信号，并把来自操作单元58的操作信号输出给驾驶单元57。

驾驶单元57根据来自选择单元56的控制信号或操作信号驱动为驾驶所必需的汽车机械装置，诸如一个未知的发动机、方向盘、制动器、离合器等。例如，操作单元58由驾驶方向盘、油门脚踏板、刹车踏板、离合踏板等组成，并把与用户操作对应的操作信号提供给优化设备54和选择单元56。

利用如上所述配置的自动驾驶设备，根据陀螺设备51和方向盘脉冲发生器52的输出在计算单元53计算汽车的当前坐标(X，Y)和驾驶方向θ，并通过优化设备54把它们提供给自动驾驶控制单元55。自动驾驶控制单元55根据提供给它的坐标(X，Y)和驾驶方向θ，识别汽车当前坐标(X，Y)和驾驶方向，产生一个用于控制随后所述的驾驶单元57的控制信号，并通过选择单元56把它们提供给驾驶单元57。这样，汽车按照自动驾驶控制单元55输出的控制信号就执行了自动驾驶操作。

另一方面，一旦用户对操作单元58操作，就通过选择单元56把与其操作对应的操作信号提供给驾驶单元57，由此就按用户在操作单元58的操作驾驶汽车行进。

此外，由于用户对操作单元58操作，操作单元58输出的操作信号也同样被提供给优化设备54。优化设备54基于用户对操作单元58操作提供的操作信号执行学习。一旦用户停止对操作单元58的操作，优化设备54就基于所述学习结果对坐标(X，Y)和驾驶方向θ进行校正，以便按照用户想要的驾驶设置路线驾驶，并把它提供给自动驾驶控制单元55。

接下来，图14说明了在图13中的优化设备的配置示例。在该图中，与如图3所示对应的部件被赋予相同的参考标号，在下面的适当地方将省略对其描述。即，除了没有提供选择单元21外，如图14所示的优化设备54的构造和如图3所示基本相同，并且分别提供操作信号处理单元60和老师数据生成单元61代替操作信号处理单元30和老师数据生成单元31。

现在，为了简化下面的描述，对于由计算单元53提供给优化设备54的坐标(X，Y)和驾驶方向θ而言，所作描述仅仅考虑驾驶方向θ。然而，坐标(X，Y)也会受到与现在所述的驾驶方向θ的相同处理。

操作信号处理单元60从操作单元58接收操作信号，并判断这些信号是否是学习操作信号。如果所述操作信号是学习操作信号，则操作信号处理单元60就接着把得出此结果的消息提供给学生数据生成单元32和老师数据生成单元61。

把来自操作信号处理单元60的含有操作信号是学习操作信号的结果消息(以后称作学习消息)，同时也把来自计算单元53的驾驶方向θ作为输入信号提供给老师数据生成单元61。此外，也把已经过校正的来自计算单元53的驾驶方向θ(以后称作已校正驾驶方向)作为从校正单元1(计算设备16)输出的输出信号提供给老师数据生成单元61。老师数据生成单元61根据作为在收到学习消息时刻提供的输入信号的驾驶方向θ，和作为输出信号的已校正驾驶方向，获得与所述学习操作信号对应的权重，且把它作为老师数据提供给学习数据存储器33。

即，在此情况下，有必要获得用户对其是方向盘的操作单元58操作后汽车以预定方向前进时的权重W作为老师数据，以便汽车按预定的方向前进。即，在紧跟用户对用作驾驶方向盘的操作单元58的操作和汽车已朝着预定方向前进之后，有必要利用作为老师数据的用于对指示驾驶方向θ的输入信号x(t)的校正的权重。根据表达式(8)，利用对输入信号x(t)和正好在对操作单元58的操作之前的输出信号y(t-1)的加权和，把紧跟在对操作单元58操作之后的输入信号x(t)校正成紧跟在对操作单元58的操作之后的输出信号y(t)，于是根据表达式(8)，就能从紧跟在对操作单元58操作之后的输入信号x(t)、紧跟在对操作单元58的操作之后的输出信号y(t)和正好在对操作单元58的操作之前的输出信号y(t-1)中，得到用于校正紧跟在对操作单元58操作之后的输入信号x(t)的权重W。因此，老师数据生成单元61根据作为紧跟在接收学习消息之后提供的输入信号x(t)的驾驶方向θ，和作为分别在接收学习消息之前和之后的输出信号y(t-1)和输出信号y(t)的已校正驾驶方向，得到权重W，并把它提供给学习数据存储器33。

同时，一旦接收到学习消息，学生数据生成单元32就把根据作为正好在此点之前提供的输入信号的驾驶方向获得的权重w作为学生数据提供给学习数据存储器33。

即，如图3所述一样，学生数据生成单元32以与输入可靠性计算单元22、输出可靠性计算单元23、锁存电路24和权重计算单元25相同的方式配置，并对作为提供给它的输入信号的驾驶方向的权重w(与在权重计算单元25获得的是同样的权重w)进行计算，且把正好在接收到学习消息之前已计算的权重作为学生数据提供给学习数据存储器33。

因此，在参数控制数据计算单元34，把在用户对操作单元58操作并且驾驶方向成为用户所希望方向的时刻的权重当作老师数据，而把用户对操作单元58操作之前，权重计算单元25输出的权重当作学生数据，并执行如表达式(20)和表达式(21)所示的参数控制数据a和b(的计算)。

接着，在权重校正单元26，利用参数控制数据a和b，根据表达式(13)对在权重计算单元25获得的权重w进行校正，并把它提供给校正单元1。

结果，参数控制数据a和b用来校正在权重计算单元25获得的权重w，以便把用户对操作单元58操作之前的驾驶方向校正成用户对操作单元58操作之后的驾驶方向，于是汽车就沿着预定路线执行自动驾驶操作。

即，可以认为实际情况是，用户操作操作单元58意味着计算单元53输出的驾驶方向θ包含有由于陀螺传感器51的误差或其输出的噪声、计算单元53的计算误差等导致的误差，因而不能表示汽车的真实驾驶方向，并由此汽车实际驾驶方向就偏离了设置路线。此外，并且可以认为在此情况下，终端用户对操作单元58的操作是为了把汽车的实际驾驶方向改变成沿着设置路线的方向。因此，执行学习，其中，把用户对操作单元58操作和汽车实际驾驶方向沿着设置路线方向时刻的权重W当作老师数据，并把用户对操作单元58操作之后在权重计算单元25获得的权重W，即权重计算单元25在偏离设置路线状态时输出的权重，作为学生数据，表达式(13)中的参数控制数据a和b用于校正在表达式(6)中的权重，以便于把偏离设置路线状态的驾驶方向校正成沿着设置路线的方向。

接下来，将根据图14所示的优化设备54进行描述。现在，正如如图3所示的NR电路一样，如图14所示的优化设备54，通过用于校正作为输入信号x(t)由计算单元53输出的驾驶方向θ的校正处理，用于获得用于校正处理的校正参数的权重的校正参数计算处理，和用户对操作单元58的操作(图13)，来执行用于获得用于控制(校正)作为校正参数的权重的控制数据学习处理，但是，由于该校正处理和图3所示的NR电路执行的、参照图5已进行过描述的校正处理一样，所以在此描述如图14所示的优化设备54执行的校正参数计算处理和学生数据学习处理。

首先，将参照如图15所示的流程图描述如图14所示的优化设备54执行的校正参数计算处理。

在校正参数计算处理中，首先，在步骤S91，和图6步骤S31中的方法一样，输入可靠性计算单元22基于来自计算单元53作为输入信号的驾驶方向θ的离差，得到输入可靠性α_x(t)，并把它提供给输出可靠性计算单元22和权重计算单元25。

随之，流程进行到步骤S92，在该步骤，权重计算单元25利用输入可靠性计算单元22得到的输入可靠性α_x(t)，获得被提供给权重校正单元26的权重w(t)，流程进行到步骤S93。

在步骤S93中，权重校正单元26从参数控制数据存储器37读取参数控制数据，接着流程进行到步骤S94。在步骤S94，权重校正单元26判断从参数控制数据存储器37读取的参数控制数据是否是表示其中的权重w(t)没有被校正的自动模式数据，即，这样一种模式，其中，根据在权重计算单元25从输入可靠性和输出可靠性自动获得的权重w(t)不变地作为校正输入信号x(t)的的权重W，而不管用户对操作单元58(图13)的操作(自动模式)。

如果在步骤S93判断出参数控制数据不是自动模式数据，流程进行到步骤S95，在此，权重校正单元26按照由参数控制数据存储器37提供的参数控制数据a和b定义的表达式(13)中的线性表达式，对权重校正单元25提供的权重w(t)进行校正，接着，程序进行到步骤S96。在步骤S96，权重校正单元26把校正后的权重作为校正参数提供给校正单元1，流程进行到步骤S97。

另一方面，如果在步骤S94判断出参数控制数据是自动模式数据，流程跳过步骤S95，进行到步骤S96，这里，权重校正单元26把来自权重计算单元25的权重w(t)不加改变地提供给校正单元1作为校正参数，流程进行到步骤S97。

在步骤S97中，输出可靠性计算单元23对输出可靠性进行更新。即，输出可靠性计算单元23按照表达式(5)，把输入可靠性α_x(t)和在锁存电路24中已经锁存的来自后退一个采样的输出可靠性α_y(t-1)相加，由此得到当前输出可靠性α_y(t)，该可靠性α_y(t)以盖写形式存储在锁存电路24中。

继该处理和步骤S97之后，流程返回到步骤S91，并接着重复相同的处理。

如上所述，对于如图15所示的校正参数计算处理，如果是按照自动模式，则根据输入可靠性和输出可靠性获得用于校正处理的权重，而不管对操作单元58的操作，并且，如果不是按照自动模式，则基于对操作单元58的操作，利用通过在随后就会描述到的图16的控制数据学习处理中的学习而获得的参数控制数据，得到用于校正处理的权重。

接下来，将参照如图16所示的流程图，描述关于如图14所示的优化设备54执行的控制数据学习处理。

在所述控制数据学习处理中，首先，在步骤S101，操作信号处理单元60判断从操作单元58(图13)是否已接收到学习操作信号，如果判断出没有收到，流程返回步骤S101。

同时，如果判断出在步骤S101中从操作单元58已接收到学习操作信号，即是说，例如，如果刚开始对作为操作单元58的方向盘等进行操作，接着，在不超过第一时间段t1或更长时间段之内，接着连续操作一段时间即第二时间段t2或更长时间段，继它之后，连续停止操作一段时间即第三段时间t3或更长时间，或者，这样一些情形，其中，在开始对作为操作单元58的方向盘等操作之后，连续停止操作一段时间即第三段时间t3或更长时间，结果可以判断出用户已经对作为操作单元58的方向盘等进行了操作以便于将汽车指向想要的方向，则流程进行到步骤S 102，这里，老师数据生成单元61生成老师数据，而学生数据生成单元32生成学生数据。

即是说，一旦判断出已经接收到学习操作信号，操作信号处理单元60就把学习消息提供给老师数据生成单元61和学生数据生成单元32。一旦从操作信号处理单元60接收到学习消息，在步骤S102，老师数据生成单元61就根据作为从计算单元53提供的输入信号的驾驶方向θ，和来自计算单元53的作为由校正单元1(计算设备16)输出的输出信号的已校正驾驶方向θ(已校正方向)，获得与学习操作信号对应的权重W。

具体地讲，老师数据生成单元61从计算单元53(图13)接收到表示紧跟在用户对作为方向盘的操作单元58操作和汽车朝着想要方向之后的驾驶方向θ的输入信号x(t)。同时，老师数据生成单元61保持由校正单元1输出的当前输出信号y(t)和后退一个时间的输出信号y(t-1)，即，在对操作单元58操作之前的输出信号y(t-1)，并利用输入信号x(t)、输出信号y(t)和y(t-1)根据表达式(8)获得在学习操作信号被提供的时刻，在校正单元1使用的(与学习操作信号对应的权重)权重W。

注意在此情形下，为简化描述，认为用户对作为操作单元58的方向盘所作的操作是在从t-1到t的一个时序之内即刻完成的。

老师数据生成单元61获得与如上所述的学习操作信号对应的权重W，并把权重W作为老师数据提供给学习数据存储器33。

此外，在步骤S102，已经从操作信号处理单元60接收到学习消息的学生数据生成单元32，把与利用输入可靠性和输出可靠性计算的、根据从计算单元53(图13)提供的作为输入信号的驾驶方向获得的、与权重计算单元25输出的权重一样的权重w作为学生数据提供给学习数据存储器33。

因此，把学习对提供给学习数据存储器33，其中，把在汽车实际*驾驶方向已变成用户想要方向的时刻，在校正单元1所使用的权重W当作老师数据，而把在用户对操作单元58操作之前根据输入可靠性和输出可靠性获得的权重w当作学生数据。

一旦接收到来自老师数据生成单元61的老师数据W和来自学生数据生成单元32的学生数据w，在步骤S103，学习数据存储器33就把最新老师数据W和学生数据w存储起来，接着，流程进行到步骤S104。

在步骤S104，参数控制数据计算单元34按照如图7的步骤S44的相同方法，对存储在学习数据存储器33中的最新老师数据和学生数据以及存储在学习信息存储器35中的学习信息执行用于最小二乘的加入运算。此外，在步骤S104，参数控制数据计算单元34把作为学习信息的加入结果按盖写学习信息存储器35的形式存储起来，接着流程进行到步骤S105。

在步骤S105，参数控制数据计算单元34如同在图7的步骤S95中的情形一样，判断是否可以根据作为存储在学习信息存储器35中学习信息的加入结果，用表达式(20)和表达式(21)得到参数控制数据a和b。

如果在步骤S105中判断出不能得到参数控制数据a和b，参数控制数据计算单元34就把含有该结果的信息提供给判断控制单元36，而且流程进行到步骤S109。在步骤S109，判断控制单元36把表示自动模式的自动模式数据作为参数控制数据提供给参数控制数据存储器37，在此把它存储起来。接着，流程返回到步骤S101，继而，重复相同的处理。

因此，如果不存在足够的用于获得参数控制数据a和b的学习信息，则在权重计算单元25(图14)从输入可靠性和输出可靠性自动获得的权重w(t)可以固定不变地用来校正输入信号x(t)。

另一个方面，如果在步骤S105中判断出可以获得参数控制数据a和b，流程进行到步骤S106，在此参数控制数据计算单元34利用判断控制单元36提供的学习信息计算表达式(20)和(21)，由此获得参数控制数据a和b，流程进行到步骤S107。

在步骤S107中，判断控制单元36按照由来自参数控制数据计算单元34的参数控制数据a和b定义的表达式(13)中的线性表达式，从存储在学习数据存储器33中的学生数据获得对应于老师数据的预测值，并获得在表达式(15)中表示的、用于预测值的预测误差的方差的和(对于存储在学习数据存储器33中的老师数据的误差)。此外，判断控制单元36获得一个归一化误差，例如，其中，方差的和用存储在学习数据存储器33中的学习对数目来除，流程进行到步骤S108。

在步骤S108中，判断控制单元36判断所述归一化误差是否大于(大于或等于)一个预定的阈值S1。在步骤S108中，如果判断出如果归一化误差大于预定的阈值S1，即，如果由参数控制数据a和b定义的表达式(13)中的线性表达式不以一种精确方式逼近存储在学习数据存储器33中的学生数据和老师数据的关系，流程进行到步骤S109，如上所述，在此，判断控制单元36把表示自动模式的自动模式数据作为参数控制数据提供给参数控制数据存储器37并存储起来。流程进行到步骤S101，并重复相同的步骤。

因此，即使能够获得参数控制数据a和b，如果由参数控制数据a和b定义的表达式(13)中的线性表达式不以一种精确方式逼近存储在学习数据存储器33中的学生数据和老师数据的关系，则也能使用从输入可靠性和输出可靠性自动获得的权重w(t)来校正输入信号x(t)，这种方式同样适用于获得参数控制数据a和b的学习信息不充分的情形。

另一方面，在步骤S108中，如果判断出所述归一化误差不大于预定的阈值S1，即，如果由参数控制数据a和b定义的表达式(13)中的线性表达式以一种精确方式逼近存储在学习数据存储器33中的学生数据和老师数据的关系，则流程进行到步骤S110，在此，判断控制单元36获得由参数控制数据a和b定义的表达式(13)中的线性表达式表示的回归线和由存储在学习数据存储器33中的最新老师数据和学生数据推得的点之间的误差(距离)ε。

接着流程进行到步骤S111，在此，判断控制单元36判断所述误差ε的大小是否大于(等于或多于)预定的阈值S2，并且，如果判断出它不大于，则跳过步骤S112，流程进行到步骤S113，并且，判断控制单元36把在步骤S106中获得的参数控制数据a和b输出到参数控制单元数据存储器37。参数控制数据存储器37把来自判断控制单元36的参数控制数据a和b以盖写的形式存储起来，流程返回到步骤S101。

另一个方面，如果在步骤S111中判断出误差ε的大小大于预定的阈值S2，则流程进行到步骤S112，在这里，判断控制单元36通过控制参数控制数据计算单元34，仅仅利用存储在学习数据存储器33中的最新老师数据和学生数据中的预定数目的最新学习对，重新计算参数控制数据a和b(不使用学习信息存储器35中的学习信息)。流程进行到步骤S113，在这里，判断控制单元36把在步骤S112中获得的参数控制数据a和b输出到参数控制数据存储器37，并在这里把它以盖写形式存储起来，流程返回到步骤S101。

因此，如果可以获得参数控制数据a和b，并且同时如果由参数控制数据a和b定义的表达式(13)的线性表达式以一种精确方式逼近存储在学习数据存储器33中的学生数据和老师数据的关系，则按照通过利用基于用户对操作单元3的操作而获得的学习对执行学习而获得的参数控制数据a和b定义的表达式(13)，校正从输入可靠性和输出可靠性获得的权重w(t)，并把因对其校正而获得的校正权重W用于校正输入信号x(t)。

如上所述，同样在如图13所示的自动驾驶设备中，判断响应用户操作而提供的操作信号是否能用于学习，并且如果这些信号是可以用于学习的学习操作信号，则基于所述学习操作信号，学习用于校正用作校正输入信号的权重的参数控制数据a和b，于是，在用户不知道的情况下可以学习用户的操作，并且，继而，基于所述学习结果执行渐渐适合于用户的处理，而最后终于帮助用户执行最佳处理。

即，由于用户对操作单元58执行操作以便于把驾驶方向校正到沿着设置路线，汽车将渐渐执行沿着设置路线的自动驾驶。

同时，对于如图14所示的优化设备54也同样按如图3所示的NR电路的相同方法，用于校正单元1执行的校正处理的权重W，随着用户对操作单元58的操作而改变，于是汽车的实际驾驶方向沿着设置路线。即是说，一旦用户对操作单元58操作以致汽车朝着想要的方向，则由计算单元53输出的作为输入信号的驾驶方向θ也变化，所以根据驾驶方向θ获得的输入可靠性以及根据该输入可靠性得到的输出可靠性也跟着变化，输入可靠性和输出可靠性中的变化引起在权重计算单元25获得的权重也跟着发生变化，并且该已经变化的权重通过权重校正单元26被提供给校正单元1。校正单元1接着利用该被提供的权重执行由表达式(8)表示的校正处理。因此，如果用户对操作单元58操作，表达式(8)的权重将随用户的操作而变化，并接着以如图3的NR电路所述情形的一样的方法，表达式(8)表示的处理内容(校正处理)理所当然地也会变化，于是，可以说，同样在如图14所示的优化设备54中，“处理的内容”随用户的操作而变化，结果可以得到用户想要的驾驶方向。

此外，同在如图3所示的NR电路一样，如图14所示的优化设备54，在用户没有输入足够的学习对，或如果没有输入可能高精确逼近的学习对的情况下，则在校正单元1使用从输入可靠性和输出可靠性自动获得的权重进行校正处理，并且，如果输入了可能高精确逼近的学习对，则通过利用该学习对执行学习而获得的参数控制数据a和b获得的校正权重，用于校正单元1的校正处理。即是说，用于计算用作校正处理的权重的***将随着这样一些情形而变化，其中一些情形是，不能获得足够数目的学习对或高精确逼近的学习对，另一些情形是，能获得高精确逼近的学习对。

因此，和如图3所示的NR电路一样，同样在如图14所示的优化设备54中，除了“处理的内容”外，“处理的配置”同时也随用户的操作而改变，从而汽车按照沿着设置路线的驾驶方向执行自动驾驶。

同时，例如，在日本未经审查的专利申请文件No.7-13625中，公布了用于工作车辆诸如插秧机的驾驶控制设备，并利用该驾驶控制设备计算在自动操纵状态中的控制参数校正量，于是可以减小在用户操作状态和基于陀螺传感器等的检测结果的信息之间的误差。因此，在如图13所示的自动驾驶设备和在日本未经审查的专利申请文件No.7-13625中描述的驾驶控制设备拥有的共同点是，都基于用户的操作而改变用于自动驾驶(自动操纵)的参数校正量。

然而，如图13所示的自动驾驶设备和在日本未经审查的专利申请文件No.7-13625中描述的、在自动操纵状态中计算控制参数校正量的驾驶控制设备有很大差异，仅在于，就判断由用户的操作所提供的操作信号是否能够被用于学习这一点，开关被手动切换到手动操纵控制模式，和如果该操作信号是能够被用于学习的学习操作信号，基于所述学习操作信号，学习用于对校正输入信号的权重校正的参数控制数据。

由于这些差异，对于在日本未经审查的专利申请文件No.7-13625中描述的驾驶控制设备而言，每次用户都会觉得没有执行适合的自动操纵，用户必须把开关切换到手动操纵控制模式，并计算控制参数的校正量之后，再一次把开关切换到自动操纵控制模式，而这该用户带来麻烦。

相反，如图13所示的自动驾驶设备，判断依照用户所作的操作提供的操作信号是否可以被用于学习，此外，如果这些就是可以用于学习的学习操作信号，基于所述学习操作信号，学习用于对校正输入信号的权重进行校正的参数控制数据，于是甚至在用户没有执行如上所述的这样的开关切换操作的情况下，也能执行适合的自动驾驶。即是说，在用户不知情的情况下，也能执行对用户操作的学习，于是学习正如用户校正驾驶方向那样进行，并且，汽车渐渐会沿着设置路线驾驶，甚至在用户没有操作的情况下也这样。

此外，如图13所示的自动驾驶设备，处理的配置随着用户的操作而改变，从而同样就该点而言有别于在日本未经审查的专利申请文件No.7-13625中描述的驾驶控制设备。

接下来，图17说明了图13所示的优化设备54的另一个配置示例。注意图中与如图14所示的情形对应的部分被赋予相同的参考标号，下面在适当的时候就省略其描述。

如图3和图9的NR电路以及如图14所示的优化设备54，利用基于用户所作的操作而获得的学习对，学习用于控制校正参数的参数控制数据，但是，如图17所示的优化设备54，利用基于用户所作的操作而获得的学习对，学习校正参数自身。

即，对于如图17所示的实施例，校正单元1由校正量计算单元71和计算设备72组成，而学习单元2由学习数据存储器33、学习信息存储器35、判断控制单元36、操作信号处理单元60、老师数据生成单元73、学生数据生成单元74、校正参数计算单元75和校正参数存储器76组成。

在学习单元2，把随后所述的、来自校正参数存储器76的校正参数提供给校正量计算单元71，同时校正量计算单元71利用该校正参数计算用于校正作为输入信号的驾驶方向θ的校正量，并把它提供给计算设备72。

把来自校正量计算单元71的校正量同时也把来自计算单元53(图13)、作为输入信号的驾驶方向θ提供给计算设备72，同时，计算单元72通过将提供给它的校正量加入而校正作为输入信号的驾驶方向θ，并把校正后的驾驶方向(已校正驾驶方向)作为输出信号输出给自动驾驶控制单元55(图13)。

老师数据生成单元73把收到来自操作信号处理单元60的学习消息之后紧跟提供的作为输入信号的驾驶方向，作为老师数据提供给学习数据存储器33。学生数据生成单元74把收到来自操作信号处理单元60的学习消息之前提供的作为输入信号的驾驶方向，作为学生数据提供给学习数据存储器33。

校正参数计算单元75利用作为学习数据存储在学习数据存储器33中的老师数据和学生数据，通过计算新的学习信息，学习使预定的统计误差最小的校正参数，并在判断控制单元36的控制下，必要时，使用存储在学习信息存储器35中的学习信息，并把它提供给判断控制单元36。校正参数计算单元75用通过学习而获得的新的学习信息，更新学习信息存储器35所存储的内容。校正参数存储器76存储由判断控制单元36输出的校正参数。

如上所述的优化设备54，将按如下所述的方法校正由计算单元53提供的驾驶方向θ。

即，用r′表示在时刻t由陀螺传感器51(图13)输出的偏航率，根据在表达式(32)中用r′代替r，在计算单元53计算驾驶方向。

现在，用e_r表示包含在由陀螺传感器51输出的偏航率r′中的误差，并用r表示真正的偏航率，则由陀螺传感器51输出的偏航率r′可用下式表示。

[表达式32]

r′＝r+e_r                             …(33)

在计算单元53，根据表达式(32)和表达式(33)，由陀螺传感器51输出的偏航率r′计算的驾驶方向θ′表示如下。

[表达式34]

θ′＝θ(0)+∫r′dt

＝θ(0)+∫(r+e_r)dt                    …(34)

＝θ(0)+∫rdt+∫e_rdt

因此，通过计算单元53获得的驾驶方向θ′和从真正的偏航率r获得的的真正驾驶方向θ之间的关系如下式所示。

[表达式35]

θ′＝θ+∫e_rdt                       …(35)

如果在由陀螺传感器51输出的偏航率r′中包含的误差e_r是白色的(white)，则表达式(35)右边的第二项从长期(long term)来看是0，如下式所示，所以不存在特别的问题。表达式(35)右边的第二项从短期(short term)来看不是0，但是这种情况可用如图14所示的优化设备54来处理。

[表达式36]

∫e_rdt＝0                              …(36)

然而，如果误差e_r是有色的(colored)，则误差e_r就会随着时间的t的推移而累积，于是通过计算单元53获得的驾驶方向θ′就会大大偏离真正的驾驶方向θ。

即，为了简化描述，考虑以恒定方向按直线驾驶前进，则在自动驾驶控制单元55(图13)生成使通过计算单元53获得的驾驶方向θ′保持恒定的控制信号，如图18的点划线所示。

然而，如果在通过计算单元53获得的驾驶方向θ′中包含的误差e_r是有色的，则误差e_r就会随着时间的t的推移而累积，以致在通过计算单元53获得的驾驶方向θ′跟踪如图18所示实线所示的弯曲路线时，汽车仍继续向前行驶。

因此，用图17中的优化设备54，基于来自用户的学习操作信号，执行用于学习校正驾驶方向θ′的校正参数a₀、a₁、…、a_N的校正参数学习处理，以致通过计算单元53获得的、作为输入信号被提供的驾驶方向θ′，跟踪如图18所示实线所示的弯曲路线，并且利用校正参数a₀至a_N，执行用于校正通过计算单元53获得的驾驶方向θ′的校正处理。

因此，将参照图19和图20描述如图17所示的优化设备54执行的校正处理和校正参数学习处理。图15中的实施例涉及汽车以固定方向直线驾驶前进，而如图17所示的优化设备54可被应用到沿任意路线自动驾驶的情形。

首先，将参照如图19所示的流程图描述如图17所示的优化设备54执行的校正处理。

在校正处理中，在步骤S121中，校正量计算单元71利用存储在校正参数存储器76中的校正参数a₀至a_N，计算校正量。

即，例如，在此用如在表达式(37)中所示的那样，利用校正参数a₀至a_N和从计算单元53获得的作为输入信号的驾驶方向θ′，用实际驾驶方向θ计算校正量。

[表达式37]

θ＝θ′+a₀+a₁t¹+a₂t²+…+a_Nt^N                 …(37)

由此，在校正量计算单元71根据表达式(37)计算作为校正量的a₀+a₁t¹+a₂t²+…+a_Nt^N。并把该校正量提供给计算单元72。

在步骤S122，在计算单元72把从计算单元53获得的驾驶方向θ′和校正量相加，并把其相加之和作为输出信号输出，流程等待下一个要被提供的输入信号的采样，并返回到步骤S122，继而重复相同处理。

接下来，将参照图20中的流程图描述在图17中的优化设备54执行的校正参数学习处理。

在校正参数学习处理中，首先，在步骤S131，操作信号处理单元60判断从操作单元58(图13)是否已收到学习操作信号，如果判断出在其中没有收到，流程返回步骤S131。

同时，如果判断出在步骤S131中从操作单元58已收到学习操作信号，即是说，例如，如果刚开始对操作单元58操作，接着，在不超过第一时间段t1或更长时间段之内，连续操作一段时间即第二时间段t2或更长时间段，继它之后，连续停止操作一段时间即第三段时间t3或更长时间，或者是这样一些情形，其中，在开始对作为操作单元58的方向盘操作之后，连续停止操作一段时间即第三段时间t3或更长时间，结果可以判断出用户已经操作单元58进行了操作以便于将汽车指向想要的方向，流程进行到步骤S132，这里，老师数据生成单元73生成老师数据，而学生数据生成单元74生成学生数据。

即是说，如果一旦收到所述学习操作信号，操作信号处理单元60就把含有此结果的学习消息提供给老师数据生成单元73和学生数据生成单元74。一旦接收到该学习消息，老师数据生成单元73就得到紧跟其后被提供的作为输入信号作为老师数据的驾驶方向，并把它提供给学习数据存储器33。

即是说，在该情形中，对于老师数据，有必要使用在用户对作为驾驶方向盘的操作单元58操作之后的驾驶方向，以使汽车朝向想要的方向。

由此，老师数据生成单元73就把作为在接收到学习消息之后提供的输入信号的驾驶方向θ，作为老师数据提供给学习数据存储器33。

同时，学生数据生成单元32一旦收到所述学习消息，就把在此之前提供的作为输入信号的驾驶方向，即在汽车朝着想要的方向之前的驾驶方向，作为学生数据提供给学习数据存储器33。

在此之后，流程进行到步骤S133，在此学习数据存储器33把一组来自老师数据生成单元31的老师数据和学生数据存储起来，接着流程进行到步骤S134。

在步骤S134中，校正参数计算单元75执行如同表达式(22)至表达式(30)所述的相同的关于老师数据和学生数据的最小二乘加法运算。

注意到，按如上所述的相同方法，利用存储在学习信息存储器35中作为学习信息的前面步骤的加入结果，执行步骤S134中的加入运算。同时在此执行用于获得和表达式(37)中的θ′一样的、使老师数据的预测值的方差之和、即在表达式(37)中利用学生数据和对应的老师数据计算的θ最小的校正参数a₀至a_N的加法运算。

步骤S134的加法运算之后，校正参数计算单元75以盖写学习信息存储器的的方式，存储所述加入结果作为学习信息，流程进行到步骤S135。

在步骤S135中，判断校正参数计算单元75是否可以依据存储在学习信息存储器35中的作为学习信息的加入结果，得到校正参数a₀至a_N。

如果在步骤S135中判断出不可能获得校正参数a₀至a_N，校正参数计算单元75就把得出此结果的通知提供给判断控制单元36，流程进行到步骤S139。在步骤S139中，判断控制单元36把表示禁止校正的禁止数据提供给校正参数存储器76并在此存储作为校正参数。接着，流程返回到步骤S131，并接下来，重复相同的处理。

因此，如果不存在足够的用于获得校正参数a₀至a_N的学习信息，则在校正单元1不执行输入信号的校正。即，输入信号的校正量是0。

另一个方面，如果在步骤S135中判断出可能获得校正参数，流程进行到步骤S136，在此校正参数计算单元75使用所述学习信息获得校正参数a₀至a_N，并把它们提供给判断控制单元36，接着流程进行到步骤S137。

在步骤S137中，判断控制单元36按照由来自校正参数计算单元75的校正参数a₀至a_N定义的表达式(37)，从存储在学***方和(对于存储在学***方和用存储在学习数据存储器33中的学习对数目来除，接着，流程进行到步骤S138。

在步骤S138中，判断控制单元36判断所述归一化误差是否大于(大于或等于)一个预定的阈值S1。在步骤S138中，如果判断出所述归一化误差大于预定的阈值S1，即，如果由校正参数a₀至a_N定义的表达式(37)中的线性表达式不以一种精确方式逼近存储在学习数据存储器33中的学生数据和老师数据的关系，流程进行到步骤S139，在此，判断控制单元36如上所述把禁止数据提供给校正参数存储器76并存储作为校正数据。接着流程返回到步骤S131，并继而重复相同的步骤。

因此，即使能够获得校正参数a₀至a_N，如果由校正参数a₀至a_N定义的表达式(37)不以一种精确方式逼近存储在学习数据存储器33中的学生数据和老师数据的关系，则输入信号x(t)的校正量是0，这种方式同样适用于用于获得校正参数a₀至a_N的学习信息不充分的情形。

另一方面，在步骤S138中，如果判断出所述归一化误差不大于预定的阈值S1，即，如果由校正参数a₀至a_N定义的表达式(37)以一种精确方式逼近存储在学***面，和由存储在学习数据存储器33中的最新老师数据和学生数据推得的点之间的误差ε。

接着流程进行到步骤S141，在此，判断控制单元36判断所述误差ε的大小是否大于(等于或多于)预定的阈值S2，并且，如果判断出它不大于，则跳过步骤S142，流程进行到步骤S143，在此，判断控制单元36把在步骤S136中获得的校正参数a₀至a_N输出到校正参数存储器76。在此情形下，校正参数存储器76把来自判断控制单元36的校正参数a₀至a_N以盖写的形式存储起来，流程返回到步骤S131。

另一个方面，如果在步骤S141中判断出所述误差ε的大小大于预定的阈值S2，则流程进行到步骤S142，在这里，判断控制单元36控制校正参数计算单元75，仅仅利用存储在学习数据存储器33中的最新老师数据和学生数据，重新计算校正参数a₀至a_N。流程进行到步骤S143，在这里，判断控制单元36把在步骤S142中获得的校正参数a₀至a_N输出到参数控制数据存储器37，并在这里把它以盖写形式存储起来，流程返回到步骤S131。

即，同样在图20所示的实施例中，按如图7中的实施例的相同方法，可以获得根据到目前为止提供的老师数据和学生数据获得的校正参数a₀至a_N，由表达式(37)定义的平面和由最新老师数据和学生数据推得的点之间的误差ε。

如果该误差ε的大小不大于所述阈值S2，则可以认为由表达式(37)根据在步骤S136获得的校正参数a₀至a_N定义的平面以相对精确的方式逼近包括最新老师数据和学生数据推得的点在内的、由到目前为止提供的老师数据和学生数据推得的所有点，因而就把该校正参数a₀至a_N存储在校正参数存储器76中。

另一方面，如果该误差ε的大小大于阈值S2，可以认为由最新老师数据和学生数据推得的点相对大地偏离了由在步骤S136获得的校正参数a₀至a_N定义的表达式(23)的平面，于是在步骤S142中，判断控制单元36仅仅利用存储在学习数据存储器33中的最新老师数据和学生数据重新计算校正参数a₀至a_N。

因此，同样在此情况下，基于按照用户操作提供的学习操作信号执行用于表达式(37)中的校正参数a₀至a_N的学习，于是在用户不知道的情况下可以学习用户的操作，此外，利用学习结果可以帮助用户执行最佳处理。

此外，在此情况下，如果由计算单元53(图13)输出的包含在前进方向的误差是有色的，则可以使汽车沿着预定的设置路线执行自动驾驶。

同时，图17中的优化设备54中，在校正单元1执行的校正处理(图5)中使用的校正参数随用户对操作单元58操作而改变，以使汽车的实际驾驶方向沿着设置路线。即，一旦用户对操作单元58操作以致汽车的驾驶方向朝着想要的方向，则用对操作单元58操作之前和之后由计算单元43输出的作为输入信号的每个驾驶方向θ，分别作为学生数据和老师数据执行校正参数的学习，由此更改校正参数。把已更改的校正参数提供给校正单元1，利用该校正参数在校正单元1计算校正量，并根据该校正量执行输入信号的校正处理(图19)。因此如果用户对操作单元58操作，则表达式(37)中的校正参数就会随着用户的操作而变化，结果由表达式(37)表示的处理内容(校正处理)理所当然地也会变化，于是，可以说，同样在如图17所示的优化设备54中，“处理的内容”随用户的操作而变化，结果得到用户想要的驾驶方向。

此外，如图17的优化设备54中，如果用户没有输入足够的学习对，或如果没有输入可能高精确逼近的学习对，则在校正单元1的输入信号的校正量是0，并且，如果用户输入了可能高精确逼近的学习对，则利用该学习对根据通过执行学习而获得的校正参数而获得的校正量执行输入信号的校正。即，用于计算用作校正处理的权重的***将随着这样一些情形而变化，其中一些情形是，不能获得足够数目的学习对或高精确逼近的学习对，另一些情形是，能获得高精确逼近的学习对。

因此，同样在如图17所示的优化设备54中，除了“处理的内容”外，“处理的配置”同时也随用户的操作而改变，从而汽车按照沿着设置路线的驾驶方向执行自动驾驶。

现在，在图20的实施例中(和如图7和12的实施例一样)，在步骤S140，获得由来自校正参数计算单元75的校正参数a₀至a_N定义的表达式(37)的平面和由最新老师数据和学生数据推得的点之间的误差ε，并执行后续的处理，但是可以这样调整，其中，在步骤S140，获得由在多组最近的学生数据和老师数据被提供之前在步骤S136中获得的校正参数a₀至a_N定义的表达式(37)的平面，和由多组最近的老师数据和学生数据推得的点之间的误差ε，并基于所述的多个误差ε执行后续的处理。

注意，图13中的优化设备54除了如图14和17所示的那样外，也可以使用如图9所示的优化设备来配置。

接下来，如上所述的一系列处理可以用硬件实施，也可以用软件实施。如果用软件来实施所述的一系列处理，则把组成软件的程序安装在通用计算机等中。

现在，图21说明了安装有执行如上所述一系列处理的程序的计算机的第一个实施例的配置示例。

可以把程序预先安装在作为内置于计算机的记录介质的硬盘105或ROM103中。

或者，该程序也可以暂时或永久存储在移动记录介质111中，诸如软盘，CD-ROM(Compact Disc Read-Only Memory)，MO(磁光magneto-optical)盘，DVD(数字多功能盘)，磁盘，半导体存储器等。也可以所谓的封装式软件包提供这样一种移动记录介质111。

同时，除了可以把程序从这样的移动记录介质111安装到计算机外，也可以把所述程序从下载点通过无线方式经用于数字卫星广播的卫星，或由电缆经网络诸如LAN(本地网)或因特网转发到计算机中，结果计算机通过通信单元108接收如此转发的所述程序并把程序安装在内置硬盘105中。

该计算机有一个内置的CPU(中央处理单元)102。通过总线101把输入/输出接口110连接到该CPU上，并且一旦通过由键盘、鼠标和麦克风等组成的输入单元107经过输入/输出接口110输入命令，于是CPU 102就会执行存储在ROM(只读存储器)103中的程序。或者，所述CPU 102就把通过卫星转发、由通信单元108接收以及安装在硬盘105中的程序，或从安装在驱动器109的移动式记录介质111读取并安装在硬盘105中的程序，下载到RAM(随机访问存储器)。从而，CPU 102执行遵循如上所述的流程图的处理或由如上所述方框图的配置实施的处理。例如，CPU 102从由LCD(液晶显示器)或扬声器等组成的输出单元106经输入/输出接口110输出处理结果，或从通信单元108发送出去，此外，对硬盘105执行记录等。

现在，在说明书中描述的处理没有必要根据流程图的描述顺序执行，并且本发明还包括了并行的或独立的处理(即并行处理或针对对象的处理)。

同时，所述程序可以在一个计算机中处理，或者划分到多个计算机中处理。此外，所述程序也可以转发到远端计算机执行。

虽然上面已经描述了把本发明应用到去除输入信号噪声或自动驾驶方面，但是，本发明可以被广泛应用到除去除输入信号噪声或自动驾驶方面之外的场合。即，信号的频率特性转换等。

工业适用性

如上所述，依照本发明，监视根据用户的操作而提供的操作信号，并且判断这些信号是否对学习有用。如果所述操作信号是可以用于学习的学习操作信号，则基于所述学习操作信号学习用于校正输入信号的校正规范。另一方面，基于通过学习获得的校正规范校正输入信号的校正后信号被作为输出信号输出。因此，在用户不知情的情况下可以学习用户所作的操作，此外，基于学习结果可以帮助用户执行最佳处理。

Claims (22)

1.一种校正输入信号并输出输出信号的信号处理设备，所述信号处理设备包括：

判断部件，用于监视根据用户的操作而提供的操作信号，并判断该信号是否对学习有用；

学习部件，用于基于可以适用于学习的所述操作信号的学习操作信号，学习用作校正所述输入信号的校正规范；和

校正部件，用于基于从所述学习中获得的所述校正规范，校正所述输入信号，并输出校正之后的信号作为所述输出信号，

其中，如果用户的操作连续一段预定的时间或更长时间并接着停止操作，所述判断部件判断在停止时刻的所述操作信号是学习操作信号。

2.如权利要求1所述的信号处理设备，其中，所述学习部件根据提供所述学习操作信号时刻的所述输入信号，学习所述校正规范。

3.如权利要求2所述的信号处理设备，其中，所述校正部件基于相应于所述输入信号的所述校正规范，校正所述输入信号。

4.如权利要求1所述的信号处理设备，所述学习部件包括：

学习数据生成部件，用于基于所述学习操作信号，生成用于所述学习的学习数据；和

校正规范生成部件，用于基于从所述学习数据生成的新的学习信息和此时以前获得的学习信息，生成所述校正规范。

5.如权利要求4所述的信号处理设备，还包括：

学习数据存储部件，用于存储预定数目的最新的所述学习数据组；

学习信息存储部件，用于存储所述信息；和

校正规范判断部件，用于判断通过所述校正规范生成部件获得的所述校正规范的适合性；

其中，如果判断使用所述学习数据和学习信息获得的所述校正规范不适合，则所述校正规范生成部件仅仅利用预定数目的最新所述学习数据组再次获得所述校正规范，并用在获得校正规范时获得的新的学习信息，更新用所述学习信息存储部件所存储的内容。

6.如权利要求4所述的信号处理设备，其中，所述学习数据生成部件根据所述学习操作信号、在获得所述学习操作信号时刻的所述输入信号和所述输出信号的一个或多个，生成所述学习数据。

7.如权利要求4所述的信号处理设备，其中，所述校正部件通过当前输入信号和过去的输出信号的加权和，校正当前输入信号；

并且，其中所述操作信号是表示用于所述加权和的权重系数的信号；

并且，其中所述学习数据生成部件把由所述学习操作信号表示的所述权重系数，和根据作为在所述学习操作信号被输入时刻的所述输入信号的可靠性的输入可靠性和作为所述输出信号的可靠性的输出可靠性而获得的所述权重系数，作为所述学习数据。

8.如权利要求4所述的信号处理设备，其中，所述校正部件通过当前输入信号和过去的输出信号的加权和，校正所述当前输入信号；

并且，其中所述操作信号是表示用于所述加权和的权重系数的信号；

并且，其中所述学习数据生成部件把由所述学习操作信号表示的所述权重系数，和根据与在所述学习操作信号输入时刻的所述输入信号有预定关系的多个所述输入信号、和作为所述输出信号的可靠性的输出可靠性获得的所述权重系数作为所述学习数据。

9、如权利要求4所述的信号处理设备，其中，所述校正部件通过当前输入信号和过去的输出信号的加权和，校正所述当前输入信号；

并且，其中所述学习数据生成部件把用于在所述学习操作信号被输入时刻的所述加权和的权重系数，和根据在输入所述学习操作信号之前输入的所述输入信号获得的所述权重系数，作为所述学习数据。

10.如权利要求4所述的信号处理设备，其中，所述校正部件通过所述当前输入信号和根据预定参数得到的预定校正量的线性耦合，校正所述当前输入信号；

并且，其中所述学习数据生成部件把在输入所述学习操作信号之后输入的所述输入信号，和在输入所述学习操作信号之前输入的所述输入信号，作为所述学习数据。

11.如权利要求1所述的信号处理设备，还包括：

输入可靠性计算部件，用于计算作为所述输入信号的可靠性的输入可靠性；

输出可靠性计算部件，用于计算作为所述输出信号的可靠性的输出可靠性；和

权重计算部件，用于基于所述输入可靠性和输出可靠性，计算用于校正所述输入信号的权重系数；

其中，所述校正部件利用所述权重系数校正所述输入信号。

12.如权利要求11所述的信号处理设备，所述校正部件包括：

输出信号存储部件，用于存储所述输出信号；

加法部件，用于利用所述权重系数，对作为其对象的所述输入信号和所述输出信号存储部件中存储的输出信号，执行加权和运算。

13.如权利要求11所述的信号处理设备，所述学习部件包括：

老师数据生成部件，用于生成与所述学习操作信号对应的所述权重系数，作为用作所述学习的老师的老师数据；

学生数据生成部件，用于生成用作校正在获得所述学习操作信号时刻的所述输入信号的权重系数，作为所述学习的学生的学生数据；和

控制数据计算部件，用于计算所述控制数据，以使在根据用于控制所述权重系数和所述学生数据的控制数据而获得的权重系数和所述老师数据之间的统计误差最小；

此外，还包括权重处理部件，用于基于所述控制数据，处理通过所述权重计算部件而获得的权重系数，并最终得到用于校正所述输入信号的权重系数。

14.如权利要求11所述的信号处理设备，所述学习部件包括：

老师数据生成部件，用于生成与所述学习操作信号对应的所述权重系数，作为用作所述学习的老师的老师数据；

学生数据生成部件，用于获得与在获得所述学习操作信号时刻输入的所述输入信号有预定关系的输入信号，作为所述学习的学生的学生数据；和

控制数据计算部件，用于计算所述控制数据，以使在根据用于控制所述输入可靠性和基于所述输入可靠性计算的所述学生数据的控制数据而获得的所述权重系数，和所述老师数据之间的统计误差最小；

其中，所述输入可靠性计算部件基于所述输入信号和控制数据计算所述输入可靠性。

15.如权利要求11所述的信号处理设备，其中，所述权重计算部件基于所述输入信号计算作为所述输入信号的可靠性的输入可靠性，并基于所述输入可靠性获得所述权重系数。

16.如权利要求15所述的信号处理设备，其中，所述权重计算部件基于所述输入信号的离差，获得所述输入可靠性。

17.如权利要求15所述的信号处理设备，其中，所述权重计算部件还计算作为所述输出的可靠性的输出可靠性，并基于所述输入可靠性和输出可靠性，获得所述权重系数。

18.如权利要求17所述的信号处理设备，其中，所述权重计算部件基于所述输入可靠性，获得所述输出可靠性。

19.如权利要求1所述的信号处理设备，所述学习部件包括：

老师数据生成部件，用于获得在获得所述学习操作信号之后紧跟输入的所述输入信号，作为用作所述学习的老师的老师数据；

学生数据生成部件，用于获得紧挨在获得所述学习操作信号之前输入的所述输入信号，作为所述学习的学生的学生数据；和

控制数据计算部件，用于计算校正参数，以使根据用于控制校正所述输入信号和所述学生数据的校正量的校正参数而获得的信号，和所述老师数据之间的统计误差最小；

其中，所述校正部件根据所述校正参数获得所述校正量，并按照所述校正量校正所述输入信号。

20.如权利要求1所述的信号处理设备，其中所述输入信号是图像信号或音频信号。

21.如权利要求1所述的信号处理设备，其中所述输入信号是表示运动物体的运动方向或位置的信号。

22.一种用于校正输入信号并输出输出信号的信号处理方法，所述方法包括：

判断步骤，用于监视根据用户操作而提供的操作信号，并判断该信号是否对学习有用；

学习步骤，用于基于可以适用于学习的所述操作信号的学习操作信号，学习用作校正所述输入信号的规范的校正规范；和

校正步骤，用于基于从所述学习中获得的所述校正规范，校正所述输入信号，并输出校正之后的信号作为所述输出信号，

其中，在判断步骤中，如果用户的操作连续一段预定的时间或更长时间并接着停止操作，则判断在停止时刻的所述操作信号是学习操作信号。

Images