JPH05126623A - Signal detecting method - Google Patents

Signal detecting method

Info

Publication number
JPH05126623A
JPH05126623A JP3292922A JP29292291A JPH05126623A JP H05126623 A JPH05126623 A JP H05126623A JP 3292922 A JP3292922 A JP 3292922A JP 29292291 A JP29292291 A JP 29292291A JP H05126623 A JPH05126623 A JP H05126623A
Authority
JP
Japan
Prior art keywords
burst length
signal
average burst
noise
average
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP3292922A
Other languages
Japanese (ja)
Other versions
JP2999868B2 (en
Inventor
Kiyohito Tokuda
清仁 徳田
Yuichi Shiraki
裕一 白木
Satoshi Shimizu
聡 清水
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Oki Electric Industry Co Ltd
Original Assignee
Oki Electric Industry Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Oki Electric Industry Co Ltd filed Critical Oki Electric Industry Co Ltd
Priority to JP3292922A priority Critical patent/JP2999868B2/en
Publication of JPH05126623A publication Critical patent/JPH05126623A/en
Application granted granted Critical
Publication of JP2999868B2 publication Critical patent/JP2999868B2/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/12—Improving ICE efficiencies

Landscapes

  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

PURPOSE:To precisely identify the signal and noises by preventing the danger erroneously judge the noises as the signal by the bursting of the noises. CONSTITUTION:The power spectrum is smoothed and processed by an average burst length analysis section 40 to determine the smooth power spectrum, and the noise average burst length and the signal average burst length are continuously detected from the smooth power spectrum while the detection level of noises is used as a parameter. A noise average burst length distribution feature quantity calculation section 50 and a signal average burst length distribution feature quantity calculation section 60 determine the feature quantities of the noise average burst length distribution and the signal average burst length distribution from the noise average burst length and the signal average burst length respectively. A comparison section 70 determines the burst similarity evaluation quantity based on the difference between two feature quantities, and a signal detection section 80 identifies the noises and the signal in the smooth power spectrum based on the evaluation quantity.

Description

【発明の詳細な説明】Detailed Description of the Invention

【０００１】[0001]

【産業上の利用分野】本発明は、雑音下の音響信号等の
信号の特徴（振幅、周波数）等を検出する信号検出方法
に関するものである。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a signal detecting method for detecting characteristics (amplitude, frequency) of signals such as acoustic signals under noise.

【０００２】[0002]

【従来の技術】従来、このような分野の技術としては、
例えば次のような文献に記載されるものがある。 文献；南 茂夫著「科学計測のための波形データー処
理」３版（昭和６１−１１−３０）ＣＱ出版株式会社、
Ｐ．１０４−１０７ 従来、例えば音響信号の特徴（振幅、周波数）を抽出す
る信号検出方法としては、前記文献に記載されているよ
うに、受信器に入射する音源波動のフーリエ変換による
オートパワースペクトル法がある。この方法において、
オートパワースペクトルＰ（ｆ）は、受信信号ｘ（ｔ）
の自己相関関数ｃxx（τ）を用いて、 Ｐ（ｆ）＝∫ｃxx（τ）ｅｘｐ［−ｊ２πｆτ］ｄτ ・・・（１） と表わされる。雑音下に音源波動がある場合、音源波動
と雑音の無相関性を仮定すると、受信信号のパワースペ
クトルＰ（ｆ）は、音源波動と雑音のパワースペクトル
Ｓ（ｆ），Ｗ（ｆ）を用いて、次のように表わせる。 Ｐ（ｆ）＝Ｓ（ｆ）＋Ｗ（ｆ） ・・・（２） 今、この分析を所定時間間隔毎に分析し、これに平滑処
理を施すことを考えると、各時間でのパワースペクトル
をそれぞれＰ（ｔ，ｆ），Ｓ（ｔ，ｆ），Ｗ（ｔ，ｆ）
すると、 Ｐ（ｔ，ｆ）＝Ｓ（ｔ，ｆ）＋Ｗ（ｔ，ｆ） ・・・（３） となる。このパワースペクトル時系列Ｐ（ｔ，ｆ）の平
滑処理の平均Ｐ（ｆ），及び分散σP(f) 2 ，σFw(f） 2
は、次式（４）〜（６）のようになる。 Ｐ（ｆ）＝Ｓ（ｆ）＋Ｗ（ｆ） ・・・（４） σP(f) 2 ＝σ S(f) 2 ＋σ Fw(f） 2 ・・・（５） 但し、 Ｓ（ｆ）；Ｓ（ｔ，ｆ）の平均Ｗ（ｆ） ；Ｗ（ｔ，ｆ）の平均 σ S(f) 2 ；Ｓ（ｔ，ｆ）の分散 σ W(f) 2 ；Ｗ（ｔ，ｆ）の分散 σ Fw(f） 2 ；Ｗ（ｔ，ｆ）の平滑処理後の分散 Ｆ（ｇ）；平滑フィルターの伝達関数 Ｗ（ｇ，ｆ）；Ｗ（ｔ，ｆ）の時間変動の周波数特性 ｇN ；平滑処理方向のナイキスト周波数 そのため、平滑処理後の時系列Ｐ（ｔ，ｆ）では、雑音
の変動が（６）式で与えられる率だけ低減される。従っ
て、このような雑音の変動の低減効果を利用し、雑音の
分散に応じた閾値によって信号の検出が行える。2. Description of the Related Art Conventionally, as a technique in such a field,
For example, there are those described in the following documents. Reference: Shigeo Minami, "Waveform Data Processing for Scientific Measurement," 3rd Edition (Showa 61-11-30), CQ Publishing Co., Ltd.
P. 104-107 Conventionally, for example, as a signal detection method for extracting the characteristics (amplitude, frequency) of an acoustic signal, an auto power spectrum method by Fourier transform of a sound source wave incident on a receiver is used as described in the above-mentioned document. is there. In this way,
The auto power spectrum P (f) is the received signal x (t)
Using the autocorrelation function c xx (τ) of, P (f) = ∫c xx (τ) exp [−j2πfτ] dτ ... (1) When there is a source wave under noise, assuming that there is no correlation between the source wave and the noise, the power spectrum P (f) of the received signal uses the power spectra S (f) and W (f) of the source wave and the noise. Can be expressed as follows. P (f) = S (f) + W (f) (2) Now, considering that this analysis is performed at predetermined time intervals and the smoothing process is performed, the power spectrum at each time is calculated. P (t, f), S (t, f), W (t, f) respectively
Then, P (t, f) = S (t, f) + W (t, f) (3) The smoothing average P (f) of the power spectrum time series P (t, f) and the variances σ P (f) 2 and σ Fw (f) 2
Is expressed by the following equations (4) to (6). P (f) = S (f) + W (f) ... (4) σ P (f) 2 = σ S (f) 2 + σ Fw (f) 2 ... (5) However, S (f) ; average of S (t, f) W (f) ; average of W ( t, f) σ S (f) 2 ; variance of S (t, f) σ W (f) 2 ; Variance of W (t, f) σ Fw (f) 2 ; Variance of W (t, f) after smoothing F (g); Transfer function of smoothing filter W (g, f); W (t, f) The frequency characteristic g N of the time variation of; the Nyquist frequency in the smoothing processing direction Therefore, in the time series P (t, f) after the smoothing processing, the noise fluctuation is reduced by the rate given by the equation (6). Therefore, it is possible to detect a signal with a threshold value according to the variance of the noise by utilizing the effect of reducing the fluctuation of the noise.

【０００３】[0003]

【発明が解決しようとする課題】しかしながら、従来の
信号検出方法では、次のような課題があった。従来のよ
うに、雑音の変動の低減効果を用い、雑音の分散に応じ
た閾値によって信号検出を行うと、該分散が平滑処理に
よって低減するので、閾値も小さくなり、より低いレベ
ルの信号の検出が可能であるが、平滑フィルタ処理によ
り、雑音のバースト化（連続誤検出性の増大）が起こ
る。ところが、従来の方法では、雑音と信号の区別を検
出の連続性によって行う場合、雑音のバースト化につい
ては何等考慮されていないため、雑音を誤って信号と判
別する危険性が増え、適切な信号と雑音の識別が困難で
あった。However, the conventional signal detection method has the following problems. When signal detection is performed with a threshold value according to the variance of noise using the effect of reducing noise fluctuations as in the conventional art, the variance is reduced by smoothing processing, so the threshold value also becomes smaller and detection of a signal at a lower level is performed. However, the smoothing filtering causes noise bursting (increased continuous false detection). However, in the conventional method, when the noise and the signal are distinguished by the continuity of the detection, no consideration is given to the bursting of the noise, so that the risk of erroneously distinguishing the noise from the signal increases, and the appropriate signal is increased. And it was difficult to identify the noise.

【０００４】本発明は、前記従来技術が持っていた課題
として、雑音のバースト化によって雑音を誤って信号と
判別するおそれが増え、信号と雑音の適切な識別が困難
であるという点について解決した信号検出方法を提供す
るものである。The present invention has solved the problem that the above-mentioned prior art has, in that there is an increased risk of erroneously discriminating noise from a signal due to bursting of noise, and it is difficult to properly discriminate between signal and noise. A signal detection method is provided.

【０００５】[0005]

【課題を解決するための手段】第１の発明は、前記課題
を解決するために、雑音下での信号を受信し、該受信信
号のパワースペクトルを求め、平滑処理によって雑音を
低減した後に前記信号の検出を行う信号検出方法におい
て、前記パワースペクトルを前記平滑処理して平滑パワ
ースペクトルを求め、前記雑音の検出レベルをパラメー
タとして該平滑パワースペクトルから雑音平均バースト
長及び信号平均バースト長を連続的に検出する。そし
て、前記雑音平均バースト長及び信号平均バースト長か
らそれぞれ雑音平均バースト長分布及び信号平均バース
ト長分布の各特徴量を求め、比較処理により、前記２つ
の特徴量の差に基づきバースト類似度評価量を求めた
後、前記バースト類似度評価量に基づき、前記平滑パワ
ースペクトルにおける前記雑音と前記信号の識別を行う
ようにしている。In order to solve the above-mentioned problems, the first invention receives the signal in the noise, obtains the power spectrum of the received signal, reduces the noise by smoothing processing, and then reduces the noise. In a signal detection method for detecting a signal, the power spectrum is smoothed to obtain a smooth power spectrum, and a noise average burst length and a signal average burst length are continuously obtained from the smooth power spectrum using the noise detection level as a parameter. To detect. Then, the feature amounts of the noise average burst length distribution and the signal average burst length distribution are obtained from the noise average burst length and the signal average burst length, respectively, and the burst similarity evaluation amount is obtained by comparison processing based on the difference between the two feature amounts. Then, the noise and the signal in the smooth power spectrum are identified based on the burst similarity evaluation amount.

【０００６】第２の発明は、第１の発明の雑音平均バー
スト長分布をボルツマン関数で近似している。第３の発
明は、第２の発明の平滑処理の前と後では前記検出レベ
ルを変えて前記雑音平均バースト長及び信号平均バース
ト長を連続的に検出する。そして、前記検出レベルを変
えることによって生じる前記雑音平均バースト長及び信
号平均バースト長の各変化量をそれぞれ求めた後、比較
処理により、前記２つの変化量の差に基づき前記バース
ト類似度評価量を求めるようにしている。The second invention approximates the noise average burst length distribution of the first invention by a Boltzmann function. The third invention continuously detects the noise average burst length and the signal average burst length by changing the detection level before and after the smoothing processing of the second invention. Then, after each change amount of the noise average burst length and the signal average burst length caused by changing the detection level is calculated, the burst similarity evaluation amount is calculated by comparison processing based on the difference between the two change amounts. I try to ask.

【０００７】第４の発明は、第２の発明の平滑処理の平
滑指数を変えて前記雑音平均バースト長及び信号平均バ
ースト長を連続的に検出し、そして前記平滑指数を変え
ることによって生じる前記雑音平均バースト長及び信号
平均バースト長の各変化量をそれぞれ求めた後、比較処
理により、前記２つの変化量の差に基づき前記バースト
類似度評価量を求めるようにしている。A fourth aspect of the invention is to change the smoothing index of the smoothing process of the second aspect of the invention to continuously detect the noise average burst length and the signal average burst length, and change the smoothing index to generate the noise. After the respective variation amounts of the average burst length and the signal average burst length are respectively obtained, the burst similarity evaluation amount is obtained by comparison processing based on the difference between the two variation amounts.

【０００８】[0008]

【作用】第１の発明によれば、平滑フィルタによる雑音
のバースト化という概念を導入し、パワースペクトルを
平滑処理することで、雑音パワースペクトルの低減を図
る信号検出方法において、パワースペクトルを平滑処理
して平滑パワースペクトルを求め、雑音の検出レベルを
パラメータとして該平滑パワースペクトルから雑音平均
バースト長分布及び信号平均バースト長分布を連続検出
し、その両分布の差を用いて信号の検出を行う。これに
より、平滑処理による雑音の誤検出によるバースト長の
評価が可能になり、前記両分布の差を用いた信号と雑音
の識別を行うことにより、的確な信号検知が行える。According to the first aspect of the invention, in the signal detection method for reducing the noise power spectrum by introducing the concept of noise bursting by the smoothing filter and smoothing the power spectrum, the power spectrum is smoothed. Then, the smooth power spectrum is obtained, the noise average burst length distribution and the signal average burst length distribution are continuously detected from the smooth power spectrum using the noise detection level as a parameter, and the signal is detected using the difference between the two distributions. This makes it possible to evaluate the burst length due to erroneous detection of noise due to smoothing processing, and to perform accurate signal detection by distinguishing between signal and noise using the difference between the two distributions.

【０００９】第２の発明では、雑音平均バースト長分布
をボルツマン関数で近似することにより、演算処理を短
時間かつ高速に行える。第３の発明によれば、平滑処理
前と平滑処理後では検出レベルを変えることによる平均
バースト長の変化量の雑音と信号との差を用いて信号の
検出を行うことにより、第２の発明と同様に信号と雑音
の適切な識別が行える。According to the second aspect of the present invention, the noise average burst length distribution is approximated by the Boltzmann function, so that the arithmetic processing can be performed in a short time and at high speed. According to the third invention, the signal is detected by using the difference between the noise and the signal of the change amount of the average burst length by changing the detection level before and after the smoothing process. Similar to the above, proper discrimination between signal and noise can be performed.

【００１０】第４の発明によれば、平滑処理の平滑指数
を変えることによる平均バースト長の変化量の雑音と信
号との差を用いて信号の検出を行うことにより、第２の
発明と同様に、信号と雑音の適切な識別が行える。According to the fourth aspect of the invention, the signal is detected by using the difference between the noise and the signal of the change amount of the average burst length by changing the smoothing index of the smoothing process. Moreover, proper discrimination between signal and noise can be performed.

【００１１】[0011]

【実施例】まず、本発明の実施例の原理を図２及び図３
を参照しつつ説明する。なお、図２は雑音の正規化検出
閾値と平均バースト長との関係を示す図、及び図３はボ
ルツマン近似による正規化検出閾値と平均バースト長と
の関係を示す図である。First, the principle of the embodiment of the present invention will be described with reference to FIGS.
Will be described with reference to. 2 is a diagram showing the relationship between the normalized detection threshold of noise and the average burst length, and FIG. 3 is a diagram showing the relationship between the normalized detection threshold by Boltzmann approximation and the average burst length.

【００１２】平滑処理後の出力である時系列Ｐ（ｔ，
ｆ）をバースト長の点から考察すると、その周波数が白
色雑音のものであれば、平滑処理後の分散により正規化
した閾値ｘthと平均バースト長の関係Ｂｗ（ｘth，α）
は、図２に示すような雑音固有の傾向を持つ。図２は、
平滑フィルタとして平滑指数αの指数平滑フィルタを用
いたものである。さらに、図３に示すように、図２に示
した雑音の平均バースト長関数Ｂｗ（ｘth，α）は、平
滑指数αに関わらず、ボルツマン関数によって近似しう
る。The time series P (t,
Considering f) from the viewpoint of burst length, if the frequency is that of white noise, the relation Bw (x th , α) between the threshold x th and the average burst length normalized by the variance after smoothing processing.
Has a noise-specific tendency as shown in FIG. Figure 2
As the smoothing filter, an exponential smoothing filter having a smoothing index α is used. Further, as shown in FIG. 3, the average burst length function Bw (x th , α) of noise shown in FIG. 2 can be approximated by the Boltzmann function regardless of the smoothing index α.

【００１３】一方、信号については、連続検出性が高
く、正規化した閾値と平均バースト長の関係Ｂｓ
（ｘth，α）は、例えばガウス分布形のように、雑音の
平均バースト長関数Ｂｗ（ｘth，α）と顕著な相違が存
在すると考えられる。従って、各周波数の正規化閾値ｘ
thと平均バースト長の関係Ｂ（ｘth，α）と、雑音の平
均バースト長関数Ｂｗ（ｘth，α）とのマッチングによ
り、信号か雑音かの有意な識別が可能となる。On the other hand, the signal has a high continuous detectability, and the relation between the normalized threshold value and the average burst length Bs
(X th, alpha), for example as a Gaussian distribution type, the noise of the average burst length function Bw (x th, α) it is considered a significant difference exists. Therefore, the normalized threshold x for each frequency
By matching the relationship B (x th , α) between th and the average burst length with the average burst length function Bw (x th , α) of noise, it is possible to significantly distinguish between signal and noise.

【００１４】そこで、まず、バースト長分布測定処理
で、各周波数の平滑処理後の時系列Ｐ（ｔ，ｆ）を用い
て、平滑処理後の分散により正規化した閾値ｘthと平均
バースト長の関係（対応）Ｂ（ｘth，α）を測定する。
次に、信号検知処理部では、関係Ｂ（ｘth，α）のボル
ツマン関数近似による雑音の平均バースト長関数Ｂｗ
（ｘth，α）に対する類似度Ｖを評価し、その値が所定
の閾値Ｖthより大きい場合、その周波数のバーストを信
号として検知する。Therefore, first, in the burst length distribution measurement process, the smoothed time series P (t, f) of each frequency is used to normalize the threshold value x th and the average burst length by the variance after the smooth process. The relationship (correspondence) B (x th , α) is measured.
Next, in the signal detection processing unit, the average burst length function Bw of noise based on the Boltzmann function approximation of the relation B (x th , α)
The similarity V with respect to (x th , α) is evaluated, and if the value is larger than a predetermined threshold V th , a burst of that frequency is detected as a signal.

【００１５】類似度Ｖの評価関数として、例えば、次の
（ａ）〜（ｃ）に示すようなＶ1 ，Ｖ2 ，Ｖ3 をそれぞ
れ用いたときの第１，第２，第３の実施例を説明する。As the evaluation function of the similarity V, for example, V 1 , V 2 and V 3 as shown in the following (a) to (c) are used respectively, first, second and third implementations. An example will be described.

【００１６】（ａ） Ｂ（ｘth，α）とＢｗ（ｘth，
α）の２乗誤差を用いる場合、 とする。(A) B (x th , α) and Bw (x th , α)
When using the squared error of α), And

【００１７】（ｂ） 図２に示すように、平滑指数α＝
１の場合、Ｂｗ（ｘth，α）はほぼ一定であるが、α＜
１の場合、ｘthが小さくなる程、Ｂｗ（ｘth，α）が増
大し、しかも、その傾向はαが小さくなる程顕著にな
る。この特徴を用い、類似度Ｖの評価関数を、 Ｖ2 ＝｜ΔＢ（Δｘth，α）／Δｘth−ΔＢｗ（Δｘth，α）／Δｘth｜ ・・・（８） 但し、 α＜１ ΔＢ（Δｘth，α）＝Ｂ（ｘth0 ＋Δｘth，α） −Ｂ（ｘth0 ，１） ΔＢｗ（Δｘth，α）＝Ｂｗ（ｘth0 ＋Δｘth，α） −Ｂｗ（ｘth0 ，１） ｘth0 ；Ｂｗ（ｘth0 ，α）＝Ｂｗ（ｘth0，１）を満
たす値とする。(B) As shown in FIG. 2, the smoothing index α =
In the case of 1, Bw (x th , α) is almost constant, but α <
1, the larger the x th decreases, Bw (x th, α) increases, moreover, its tendency becomes remarkable extent alpha becomes smaller. Using this feature, the evaluation function of the similarity V, V 2 = | ΔB ( Δx th, α) / Δx th -ΔBw (Δx th, α) / Δx th | ··· (8) where, alpha <1 ΔB (Δx th , α) = B (x th 0 + Δx th , α) −B (x th 0, 1) ΔBw (Δx th , α) = Bw (x th 0 + Δx th , α) −Bw (x th 0, 1) x th 0; Bw (x th 0, α) = Bw (x th 0, 1).

【００１８】（ｃ） 同一検出レベルでも平滑指数αが
小さくなる程、雑音の平均バースト長関数Ｂｗ（ｘth，
α）が増加するという特徴を用い、類似度Ｖの評価関数
を、 但し、１≦α0 ＜αi とする。(C) As the smoothing index α becomes smaller even at the same detection level, the noise average burst length function Bw (x th ,
Using the feature that α) increases, the evaluation function of similarity V is However, 1 ≦ α 0 <α i .

【００１９】第１の実施例 図１は、本発明の第１の実施例の信号検出方法を実施す
るための信号検出装置の機能ブロック図である。この信
号検出装置は、バースト類似度評価関数Ｖとして（７）
式に示すＶ1 を用いた場合の信号検出を行うもので、集
積回路を用いた個別回路、あるいはプロセッサによるプ
ログラム制御等により構成される。 First Embodiment FIG. 1 is a functional block diagram of a signal detection apparatus for carrying out the signal detection method of the first embodiment of the present invention. This signal detection device uses (7) as the burst similarity evaluation function V.
Signal detection is performed when V 1 shown in the equation is used, and is configured by an individual circuit using an integrated circuit or program control by a processor.

【００２０】この信号検出装置は、入力信号を受信する
受信器１０を有し、その出力側にオートパワースペクト
ル分析部２０が接続されている。オートパワースペクト
ル分析部２０は、受信信号のオートパワースペクトル値
をフレーム長毎に算出する機能を有し、その出力側に雑
音モーメント算出部３０、平均バースト長分析部４０、
及び信号検知部８０が接続されている。雑音モーメント
算出部３０は、周囲雑音区間において、入力されるオー
トパワースペクトルの各周波数における平均値と分散を
算出する機能を有し、その出力側に平均バースト長分析
部４０が接続されている。This signal detecting device has a receiver 10 for receiving an input signal, and an auto power spectrum analyzer 20 is connected to the output side thereof. The auto power spectrum analysis unit 20 has a function of calculating the auto power spectrum value of the received signal for each frame length, and on the output side thereof, the noise moment calculation unit 30, the average burst length analysis unit 40,
And the signal detector 80 is connected. The noise moment calculation unit 30 has a function of calculating the average value and variance at each frequency of the input auto power spectrum in the ambient noise section, and the average burst length analysis unit 40 is connected to the output side thereof.

【００２１】平均バースト長分析部４０は、バースト検
出閾値設定部４１、平滑部４２及び平均バースト長算出
部４３より構成され、その出力側に、雑音平均バースト
長分布特徴量算出部５０、及び信号平均バースト長分布
特徴量算出部６０が接続されている。バースト検出閾値
設定部４１は、周囲雑音区間において各周波数における
平均値と分散からバースト検出閾値を算出し、それを平
均バースト長算出部４３へ与える機能を有している。平
滑部４２は、周囲雑音区間のオートパワースペクトルを
各周波数毎に時間方向に平滑処理し、平滑オートパワー
スペクトルを求めて平均バースト長算出部４３へ出力す
る機能を有している。また、平均バースト長算出部４３
は、入力されたバースト検出閾値と平滑オートパワース
ペクトルから、雑音により生じる各周波数での平均バー
スト長を算出し、その算出結果を雑音平均バースト長分
布特徴量算出部５０へ出力する機能を有している。The average burst length analysis unit 40 is composed of a burst detection threshold value setting unit 41, a smoothing unit 42, and an average burst length calculation unit 43. The output side thereof has a noise average burst length distribution characteristic amount calculation unit 50 and a signal. The average burst length distribution feature amount calculation unit 60 is connected. The burst detection threshold value setting unit 41 has a function of calculating a burst detection threshold value from the average value and variance at each frequency in the ambient noise section and giving the calculated burst detection threshold value to the average burst length calculation unit 43. The smoothing unit 42 has a function of smoothing the auto power spectrum in the ambient noise section for each frequency in the time direction, obtaining a smoothed auto power spectrum, and outputting the smoothed auto power spectrum to the average burst length calculation unit 43. Also, the average burst length calculation unit 43
Has a function of calculating an average burst length at each frequency generated by noise from the input burst detection threshold and smoothed auto power spectrum, and outputting the calculation result to the noise average burst length distribution feature amount calculation unit 50. ing.

【００２２】雑音平均バースト長分布特徴量算出部５
０、及び信号平均バースト長分布特徴量算出部６０は、
平均バースト長分布の特徴量を求める機能を有し、それ
らの出力側には平均バースト長分布特徴比較部７０が接
続され、さらにその出力側に信号検知部８０が接続され
ている。雑音平均バースト長分布特徴量算出部５０は、
入力されたバースト検出閾値と各周波数での平均バース
ト長から、検出閾値に対する雑音平均バースト長分布を
算出し、その算出結果を平均バースト長分布特徴比較部
７０へ出力する機能を有している。この雑音平均バース
ト長分布特徴量算出部５０の動作が完了した時点から、
平均バースト長算出部４３では、入力されるオートパワ
ースペクトルに対するバースト検出閾値による平均バー
スト長を、信号平均バースト長分布特徴量算出部６０へ
出力する機能を有している。Noise average burst length distribution feature quantity calculation unit 5
0, and the signal average burst length distribution feature amount calculation unit 60
It has a function of obtaining the feature quantity of the average burst length distribution, the average burst length distribution feature comparison unit 70 is connected to the output side thereof, and the signal detection unit 80 is further connected to the output side thereof. The noise average burst length distribution feature amount calculation unit 50
It has a function of calculating a noise average burst length distribution for the detection threshold from the input burst detection threshold and the average burst length at each frequency, and outputting the calculation result to the average burst length distribution feature comparison unit 70. From the time when the operation of the noise average burst length distribution feature quantity calculation unit 50 is completed,
The average burst length calculation unit 43 has a function of outputting the average burst length according to the burst detection threshold for the input auto power spectrum to the signal average burst length distribution feature amount calculation unit 60.

【００２３】信号平均バースト長分布特徴量算出部６０
は、バースト検出閾値と各周波数での平均バースト長か
ら、検出閾値に対する信号平均バースト長分布を算出
し、その算出結果を平均バースト長分布特徴比較部７０
へ出力する機能を有している。平均バースト長分布特徴
比較部７０は、信号平均バースト長分布の平均雑音バー
スト長分布との２乗誤差を算出し、その２乗誤差を信号
検知部８０へ出力する機能を有している。信号検知部８
０は、平滑オートパワースペクトルと２乗誤差を入力
し、該平滑オートパワースペクトルのうち、該２乗誤差
が所定の閾値を越える周波数のみを出力オートパワース
ペクトルとして表示する機能を有している。Signal average burst length distribution characteristic amount calculation unit 60
Calculates the signal average burst length distribution for the detection threshold from the burst detection threshold and the average burst length at each frequency, and calculates the calculation result as the average burst length distribution feature comparison unit 70.
It has a function to output to. The average burst length distribution feature comparison unit 70 has a function of calculating a squared error between the signal average burst length distribution and the average noise burst length distribution, and outputting the squared error to the signal detection unit 80. Signal detector 8
0 has a function of inputting the smoothed auto power spectrum and the squared error, and displaying only the frequency of the smoothed auto power spectrum in which the squared error exceeds a predetermined threshold as the output auto power spectrum.

【００２４】次に、図１の信号検出装置を用いた信号検
出方法について説明する。入力信号は、受信器１０で受
信され、オートパワースペクトル分析部２０に入力され
る。オートパワースペクトル分析部２０では、フレーム
長毎にオートパワースペクトルＳ0 （ｉ，ｋ）を算出す
る。ここで、Ｓ0 （ｉ，ｋ）は、第ｉフレームにおける
第ｋ周波数（０≦ｋ≦Ｎ−１）のオートパワースペクト
ル値であり、フレーム長をＮサンプル、入力時系列信号
のフレーム内信号をｓ（ｎ）（１≦ｎ≦Ｎ）とすると、
次式（１０），（１１）より算出できる。 Ｓ0 （ｉ，ｋ）＝Ｘ（ｋ）・Ｘ（ｋ）* （* は複素共役） ・・・（１０） 但し、０≦ｋ≦Ｎ−１ ｆ（ｋ）＝ｋｆｓ／Ｎ ΔＴ＝１／ｆｓ ｆｓ；サンプリング周波数 このようにして求められたオートパワースペクトルＳ0
（ｉ，ｋ）は、雑音モーメント算出部３０、平均バース
ト長分析部４０及び信号検知部８０に出力される。Next, a signal detecting method using the signal detecting device of FIG. 1 will be described. The input signal is received by the receiver 10 and input to the auto power spectrum analysis unit 20. The auto power spectrum analysis unit 20 calculates the auto power spectrum S 0 (i, k) for each frame length. Here, S 0 (i, k) is an auto power spectrum value of the k-th frequency (0 ≦ k ≦ N−1) in the i-th frame, the frame length is N samples, and the intra-frame signal of the input time-series signal is Is s (n) (1 ≦ n ≦ N),
It can be calculated by the following equations (10) and (11). S 0 (i, k) = X (k) · X (k) * ( * is a complex conjugate) (10) However, 0 ≦ k ≦ N−1 f (k) = kfs / N ΔT = 1 / fs fs; sampling frequency The auto power spectrum S 0 thus obtained
(I, k) is output to the noise moment calculator 30, the average burst length analyzer 40, and the signal detector 80.

【００２５】雑音モーメント算出部３０では、音源信号
の存在しない最初の時間区間、即ち周囲雑音区間を雑音
モーメント算出区間（区間長をＭフレーム相当区間長と
する）として、この区間のオートパワースペクトルＳ0
（ｉ，ｋ）（１≦ｉ≦Ｍ）の分析から、各周波数におけ
るＳ0 （ｉ，ｋ）の平均値ＳN （ｋ）、及び分散σ
N （ｋ）を次式（１２），（１３）により算出し、平均
バースト長分析部４０内のバースト検出閾値設定部４１
に出力する。 （０≦ｋ≦Ｎ−１） 平均バースト長分析部４０内の平滑部４２では、雑音モ
ーメント算出区間における周囲雑音オートパワースペク
トルＳ0 （ｉ，ｋ）に対し、各周波数（ｋ）毎に時間方
向（ｉ）に平滑処理し、平滑パワースペクトルＳ（ｉ，
ｋ）を算出し、平均バースト長算出部４３に出力する。
平滑処理に用いる平滑フィルタを例えば、指数平滑フィ
ルタとすると、平滑パワースペクトルＳ（ｉ，ｋ）は、
次式（１４）より算出できる。 Ｓ（ｉ，ｋ）＝αＳ0 （ｉ，ｋ）＋（１−α）Ｓ（ｉ−１，ｋ） ・・・（１４） 但し、α；所定の定数（０＜α≦１） （０≦ｋ≦Ｎ−１） また、バースト検出閾値設定部４１では、雑音モーメン
ト算出部３０で算出された各周波数における雑音オート
パワースペクトル平均値ＳN （ｋ）、及び次式（１５）
の分散σN （ｋ）に基づき、平滑部４２から出力される
平滑パワースペクトルＳ（ｉ，ｋ）に対する各周波数で
の検出閾値ＳTH（ｍ，ｋ）（０≦ｍ≦Ｍ、Ｍは所定の定
数）を次式（１６）により算出する。 αN （ｋ，α）＝Ｇ（α）σN （ｋ，σ） ・・・（１５） ＳTH（ｍ，ｋ）＝ＳN （ｋ）＋ｍσN （ｋ，α）／Ｍ ・・・（１６） 但し、０≦ｍ≦Ｍ Ｍ＝Ｍｖ・Ｍσ Ｍｖ；σN （ｋ，α）の分割数 Ｎσ；Ｖ1 （ｋ）の算出区間長のσN （ｋ，α） での正規化値（Ｖ1 の積分範囲が０から （Ｍσ）σN （ｋ，α)) ここで、σN 2 （ｋ，α）は平滑後の分散、αは平滑部
４２の平滑係数である。Ｇ（α）は、平滑処理により得
られる分散低減係数で、平滑部４２を構成する平滑フィ
ルタの伝達関数をＦ（ω，α）とすると、 Ｇ（α）2 ＝∫｜Ｆ（ω，α）｜2 ｄω より算出できる。In the noise moment calculation unit 30, the first time section in which the sound source signal does not exist, that is, the ambient noise section is set as a noise moment calculation section (the section length is set to a section length corresponding to M frames), and the auto power spectrum S of this section is set. 0
From the analysis of (i, k) (1 ≦ i ≦ M), the mean value S N (k) of S 0 (i, k) at each frequency and the variance σ
N (k) is calculated by the following equations (12) and (13), and the burst detection threshold setting unit 41 in the average burst length analysis unit 40 is
Output to. (0 ≦ k ≦ N−1) In the smoothing unit 42 in the average burst length analysis unit 40, the time for each frequency (k) with respect to the ambient noise auto power spectrum S 0 (i, k) in the noise moment calculation section. Smoothing processing is performed in the direction (i), and the smooth power spectrum S (i,
k) is calculated and output to the average burst length calculation unit 43.
If the smoothing filter used for the smoothing process is, for example, an exponential smoothing filter, the smoothing power spectrum S (i, k) becomes
It can be calculated by the following equation (14). S (i, k) = αS 0 (i, k) + (1−α) S (i−1, k) (14) where α; predetermined constant (0 <α ≦ 1) (0 ≦ k ≦ N−1) Further, in the burst detection threshold setting unit 41, the noise auto power spectrum average value S N (k) at each frequency calculated by the noise moment calculation unit 30 and the following equation (15).
Of the smoothing power spectrum S (i, k) output from the smoothing unit 42 based on the variance σ N (k) of the detection threshold S TH (m, k) (0 ≦ m ≦ M, M is a predetermined value). Is calculated by the following equation (16). α N (k, α) = G (α) σ N (k, σ) (15) S TH (m, k) = S N (k) + mσ N (k, α) / M (16) where 0 ≦ m ≦ M M = Mv · Mσ Mv; the number of divisions of σ N (k, α) Nσ; normalization of the calculation section length of V 1 (k) by σ N (k, α) Value (integration range of V 1 is 0 to (Mσ) σ N (k, α)) where σ N 2 (k, α) is the smoothed dispersion and α is the smoothing coefficient of the smoothing unit 42. G (α) is a variance reduction coefficient obtained by the smoothing process, and G (α) 2 = ∫ | F (ω, α), where F (ω, α) is the transfer function of the smoothing filter forming the smoothing unit 42. ) | 2 dω.

【００２６】平均バースト長算出部４３では、雑音平均
バースト長分布を算出するために、平均バースト長分布
算出区間（区間長をＨフレーム相当区間長とする（Ｈ≧
Ｍ))の平滑パワースペクトルＳ（ｉ，ｋ）から、各周波
数での平均バースト長Ｂｗ（ｍ，ｋ）を算出する。この
平均バースト長Ｂｗ（ｍ，ｋ）は、平滑パワースペクト
ルＳ（ｉ，ｋ）が検出閾値ＳTH（ｍ，ｋ）を越えるフレ
ームの個数ＮU （ｍ，ｋ）と、生成されたバースト長の
個数ＮB （ｍ，ｋ）をカウントし、次式（１７）より算
出する。 Ｂｗ（ｍ，ｋ）＝ＮU （ｍ，ｋ）／ＮB （ｍ，ｋ） ・・・（１７） この平均バースト長Ｂｗ（ｍ，ｋ）は、雑音のオートパ
ワースペクトルの時変動が白色性であれば、図２及び図
３に示すように、ボルツマン分布が平均雑音バースト長
分布の良い近似となる。一方、観測値から平滑オートパ
ワースペクトルの平均雑音バースト長分布を得るには、
雑音モーメント算出よりも、かなり長時間のフレーム長
を必要とし、またオートパワースペクトルの時変動の白
色性はかなり一般性のある仮定であるので、前記平均バ
ースト長Ｂｗ（ｍ，ｋ）をボルツマン分布で近似し、予
め算出結果をメモリに格納しておいても良い。この場
合、Ｂｗ（ｍ，ｋ）は次式（１８）より算出できる。In the average burst length calculation unit 43, in order to calculate the noise average burst length distribution, the average burst length distribution calculation section (the section length is set to the section length corresponding to the H frame (H ≧
From the smoothed power spectrum S (i, k) of M)), the average burst length Bw (m, k) at each frequency is calculated. This average burst length Bw (m, k) is the number of frames N U (m, k) whose smooth power spectrum S (i, k) exceeds the detection threshold S TH (m, k), and the generated burst length. The number N B (m, k) is counted and calculated from the following equation (17). Bw (m, k) = N U (m, k) / N B (m, k) (17) This average burst length Bw (m, k) has a white time variation in the auto power spectrum of noise. 2 and 3, the Boltzmann distribution is a good approximation of the average noise burst length distribution. On the other hand, to obtain the average noise burst length distribution of the smooth auto power spectrum from the observed values,
The average burst length Bw (m, k) is calculated from the Boltzmann distribution because it requires a considerably longer frame length than the noise moment calculation and the whiteness of the time fluctuation of the auto power spectrum is a fairly general assumption. May be approximated and the calculation result may be stored in the memory in advance. In this case, Bw (m, k) can be calculated by the following equation (18).

【００２７】[0027]

【数１】 [Equation 1]

【００２８】この平均バースト長Ｂｗ（ｍ，ｋ）は、雑
音の平滑オートパワースペクトルの各周波数で検出閾値
に対する雑音平均バースト長分布となっているので、雑
音平均バースト長分布特徴量算出部５０では、平均バー
スト長Ｂｗ（ｍ，ｋ）の雑音平均バースト長分布特徴量
として、平均バースト長分布特徴比較部７０に出力す
る。Since this average burst length Bw (m, k) has a noise average burst length distribution with respect to the detection threshold at each frequency of the smoothed auto power spectrum of noise, the noise average burst length distribution feature quantity calculation unit 50 , The average burst length Bw (m, k) is output to the average burst length distribution feature comparison unit 70 as a noise average burst length distribution feature amount.

【００２９】以上の動作が完了した時点から、平均バー
スト長分析部４０内の平滑部４２では、平均バースト長
分布算出区間長Ｈで入力されるオートパワースペクトル
Ｓ0 （ｉ，ｋ）（Ｈ0 ＜ｉ≦Ｈ0 ＋Ｈ、Ｈ0 は平均バー
スト長Ｂｗ（ｍ，ｋ）を観測値から算出する場合はＨ、
ボルツマン分布で算出する場合はＭ）を平滑し、平滑オ
ートパワースペクトルＳ（ｉ，ｋ）を算出して平均バー
スト長算出部４３へ与える。From the time point when the above operation is completed, the smoothing section 42 in the average burst length analysis section 40 inputs the auto power spectrum S 0 (i, k) (H 0 with the average burst length distribution calculation section length H. <I ≦ H 0 + H, H 0 is H when the average burst length Bw (m, k) is calculated from the observed value,
When the Boltzmann distribution is used for calculation, M) is smoothed, and a smoothed auto power spectrum S (i, k) is calculated and given to the average burst length calculation unit 43.

【００３０】平均バースト長算出部４３は、平滑オート
パワースペクトルＳ（ｉ，ｋ）が検出閾値ＳTH（ｍ，
ｋ）を越えるフレームの個数ＮU （ｍ，ｋ）と、生成さ
れたバーストの個数ＮB （ｍ，ｋ）をカウントし、信号
平均バースト長Ｂｓ（ｍ，ｋ）を算出し、信号平均バー
スト長分布特徴量算出部６０に出力する。信号平均バー
スト長分布特徴量算出部６０では、信号平均バースト長
Ｂｓ（ｍ，ｋ）を、信号雑音平均バースト長分布特徴量
として、平均バースト長分布特徴比較部７０に出力す
る。The average burst length calculation unit 43 determines that the smoothed auto power spectrum S (i, k) is the detection threshold S TH (m,
The number N U (m, k) of frames exceeding k) and the number N B (m, k) of generated bursts are counted to calculate the signal average burst length Bs (m, k), and the signal average burst It is output to the long distribution feature amount calculation unit 60. The signal average burst length distribution feature amount calculation unit 60 outputs the signal average burst length Bs (m, k) to the average burst length distribution feature comparison unit 70 as the signal noise average burst length distribution feature amount.

【００３１】次に、平均バースト長分布特徴比較部７０
では、信号平均バースト長分布Ｂｓ（ｍ，ｋ）と雑音平
均バースト長分布Ｂｗ（ｍ，ｋ）との比較を、次式（７
−１）によるバースト類似度評価量（即ち、２乗誤差）
Ｖ1 （ｋ）を算出することで行い、その比較結果を信号
検知部８０に出力する。 信号検知部８０では、平滑部４２から入力される平滑パ
ワースペクトルＳ（ｉ，ｋ）（Ｈ0 ＜ｉ≦Ｈ0 ＋Ｈ）の
うち、平均バースト長分布特徴比較部７０から入力され
る２乗誤差Ｖ1 （ｋ）を用いて、その２乗誤差Ｖ
1 （ｋ）が、所定の基準値ＶTHを越える周波数ｋ- に対
してのみオートパワースペクトルＳ0 （ｉ，ｋ- ）（Ｈ
0 ＜ｉ≦Ｈ0 ＋Ｈ）（Ｍ＜ｉ≦Ｍ＋Ｈ）をスペクトル表
示する。上記の動作をフレーム長Ｈ毎に行う。このよう
にして、音源信号周波数の自動的抽出が可能となる。Next, the average burst length distribution feature comparison unit 70
Then, a comparison between the signal average burst length distribution Bs (m, k) and the noise average burst length distribution Bw (m, k) is performed by the following equation (7).
-1) burst similarity evaluation amount (that is, squared error)
The calculation is performed by calculating V 1 (k), and the comparison result is output to the signal detection unit 80. In the signal detection unit 80, the squared error input from the average burst length distribution feature comparison unit 70 in the smoothed power spectrum S (i, k) (H 0 <i ≦ H 0 + H) input from the smoothing unit 42. Using V 1 (k), its squared error V
The auto power spectrum S 0 (i, k − ) (H is only for the frequency k − at which 1 (k) exceeds the predetermined reference value V TH.
The spectrum of 0 <i ≦ H 0 + H) (M <i ≦ M + H) is displayed. The above operation is performed for each frame length H. In this way, the sound source signal frequency can be automatically extracted.

【００３２】以上のように、この第１の実施例では、平
滑フィルタによる雑音のバースト化という概念を導入
し、雑音バースト長を測定し、それから求めたバースト
長分布を用いて信号と雑音の識別を行うようにしてい
る。そのため、バースト化した雑音を誤って信号と判別
する危険性を低減できる。さらに、バースト検出閾値設
定によって定量化された信頼性に基づく信号検知が実現
できる。従って、前記のようなバースト化した雑音を誤
って信号と判別する危険性を除去するために人間による
観察及び判断力を不要にし、精度の良い信号検知の自動
化が可能となる。As described above, in the first embodiment, the concept of noise bursting by the smoothing filter is introduced, the noise burst length is measured, and the burst length distribution obtained from this is used to discriminate between the signal and the noise. I'm trying to do. Therefore, it is possible to reduce the risk of erroneously distinguishing burst noise from a signal. Furthermore, signal detection based on the reliability quantified by the burst detection threshold setting can be realized. Therefore, in order to eliminate the risk of erroneously discriminating bursted noise from a signal as described above, human observation and judgment are unnecessary, and accurate signal detection can be automated.

【００３３】第２実施例 図４は、本発明の第２の実施例の信号検出方法を実施す
るための信号検出装置の機能ブロック図であり、図１中
の要素と共通の要素には共通の符号が付されている。 Second Embodiment FIG. 4 is a functional block diagram of a signal detecting apparatus for carrying out the signal detecting method according to the second embodiment of the present invention. Elements common to those in FIG. Is attached.

【００３４】この信号検出装置は、バースト類似度評価
関数Ｖとして（８）式に示すＶ2 を用いて信号検出を行
う装置である。図１の第１の実施例と異なる点は、平均
バースト長分析部４０Ａにおける平均バースト長の算出
方法と、雑音平均バースト長分布特徴量算出部５０Ａ及
び信号平均バースト長分布特徴量算出部６０Ａで算出す
る平均バースト長分布の特徴量等である。This signal detection device is a device for performing signal detection using V 2 shown in the equation (8) as the burst similarity evaluation function V. The difference from the first embodiment of FIG. 1 lies in the method of calculating the average burst length in the average burst length analysis unit 40A, the noise average burst length distribution feature amount calculation unit 50A, and the signal average burst length distribution feature amount calculation unit 60A. It is a feature amount or the like of the average burst length distribution to be calculated.

【００３５】即ち、この信号検出装置では、オートパワ
ースペクトル分析部２０の出力側に雑音モーメント算出
部３０、平均バースト長分析部４０Ａ、及び信号検知部
８０Ａが接続されている。平均バースト長分析部４０Ａ
は、第１バースト検出閾値算出部４１−１、第２バース
ト検出閾値算出部４１−２、平滑部４２、第１平均バー
スト長算出部４３−１、及び第２平均バースト長算出部
４３−２より構成されている。That is, in this signal detection device, the noise moment calculation unit 30, the average burst length analysis unit 40A, and the signal detection unit 80A are connected to the output side of the auto power spectrum analysis unit 20. Average burst length analysis unit 40A
Is a first burst detection threshold value calculation unit 41-1, a second burst detection threshold value calculation unit 41-2, a smoothing unit 42, a first average burst length calculation unit 43-1 and a second average burst length calculation unit 43-2. It is composed of

【００３６】第１バースト検出閾値算出部４１−１、及
び第２のバースト検出閾値算出部４１−２は、雑音モー
メント算出部３０で算出される各周波数における平均値
と分散を入力し、それぞれ第１バースト検出閾値及び第
２バースト検出閾値を算出し、第１平均バースト長算出
部４３−１及び第２平均バースト長算出部４３−２へそ
れぞれ出力する機能を有している。第１平均バースト長
算出部４３−１は、オートパワースペクトル分析部２０
で算出される周囲雑音区間のオートパワースペクトル値
を入力し、そのオートパワースペクトルの各周波数に対
して第１バースト検出閾値により生じる第１平均バース
ト長を算出し、雑音平均バースト長分布特徴量算出部５
０Ａに出力する機能を有している。第２平均バースト長
算出部４３−２は、平滑部４２で平滑処理された平滑オ
ートパワースペクトルを入力し、その平滑オートパワー
スペクトルの各周波数に対し、第２バースト検出閾値に
より生じる第２平均バースト長を算出し、雑音平均バー
スト長分布特徴量算出部５０Ａに出力する機能を有して
いる。The first burst detection threshold value calculation unit 41-1 and the second burst detection threshold value calculation unit 41-2 input the average value and the variance at each frequency calculated by the noise moment calculation unit 30, and respectively input the first value and the variance. It has a function of calculating the 1-burst detection threshold value and the 2nd burst detection threshold value and outputting them to the 1st average burst length calculation unit 43-1 and the 2nd average burst length calculation unit 43-2, respectively. The first average burst length calculation unit 43-1 includes the automatic power spectrum analysis unit 20.
Input the auto power spectrum value of the ambient noise section calculated in step 1, calculate the first average burst length generated by the first burst detection threshold for each frequency of the auto power spectrum, and calculate the noise average burst length distribution feature amount. Part 5
It has a function to output to 0A. The second average burst length calculation unit 43-2 inputs the smoothed auto power spectrum smoothed by the smoothing unit 42, and for each frequency of the smoothed auto power spectrum, the second average burst length generated by the second burst detection threshold value. It has a function of calculating the length and outputting it to the noise average burst length distribution feature amount calculation unit 50A.

【００３７】雑音平均バースト長分布特徴量算出部５０
Ａは、第１平均バースト長及び第２の平均バースト長を
入力し、雑音平均バースト長分布特徴量を算出し、その
算出結果を平均バースト長分布特徴比較部７０Ａに出力
する機能を有している。このような動作が完了した時点
から、平均バースト長分析部４０Ａでは、入力されるオ
ートパワースペクトルに対する第１バースト検出閾値に
よる第１平均バースト長を算出し、さらに第２バースト
検出閾値による、平滑オートパワースペクトルの第２平
均バースト長を算出し、入力信号の第１平均バースト長
と第２平均バースト長を信号平均バースト長分布特徴量
算出部６０Ａに出力する機能も有している。Noise average burst length distribution feature amount calculation unit 50
A has a function of inputting the first average burst length and the second average burst length, calculating the noise average burst length distribution characteristic amount, and outputting the calculation result to the average burst length distribution characteristic comparing unit 70A. There is. From the time when such an operation is completed, the average burst length analysis unit 40A calculates the first average burst length according to the first burst detection threshold for the input auto power spectrum, and further performs the smooth auto according to the second burst detection threshold. It also has a function of calculating the second average burst length of the power spectrum and outputting the first average burst length and the second average burst length of the input signal to the signal average burst length distribution characteristic amount calculation unit 60A.

【００３８】信号平均バースト長分布特徴量算出部６０
Ａは、第１バースト検出閾値及び第２バースト検出閾値
と各周波数での平均バースト長から、それらの検出閾値
に対する信号平均バースト長分布特徴量を算出し、平均
バースト長分布特徴比較部７０Ａに出力する機能を有し
ている。平均バースト長分布特徴比較部７０Ａは、信号
平均バースト長分布の平均雑音バースト長分布との２乗
誤差を算出し、それを信号検知部８０Ａに出力する機能
を有している。Signal average burst length distribution feature quantity calculation unit 60
A calculates a signal average burst length distribution characteristic amount for the detection thresholds from the first burst detection threshold value, the second burst detection threshold value, and the average burst length at each frequency, and outputs it to the average burst length distribution characteristic comparison unit 70A. It has a function to do. The average burst length distribution feature comparison unit 70A has a function of calculating a squared error between the signal average burst length distribution and the average noise burst length distribution, and outputting it to the signal detection unit 80A.

【００３９】次に、図４の信号検出装置を用いた信号検
出方法を説明する。入力信号は、第１の実施例と同様
に、受信器１０で受信され、オートパワースペクトル分
析部２０に入力される。オートパワースペクトル分析部
２０では、フレーム長Ｎサンプル毎にオートパワースペ
クトルＳ0 （ｉ，ｋ）（０≦ｋ≦Ｎ−１）を算出し、そ
の算出結果を雑音モーメント算出部３０、平均バースト
長分析部４０Ａ及び信号検知部８０Ａに与える。Next, a signal detection method using the signal detection device of FIG. 4 will be described. The input signal is received by the receiver 10 and input to the auto power spectrum analysis unit 20 as in the first embodiment. The auto power spectrum analysis unit 20 calculates an auto power spectrum S 0 (i, k) (0 ≦ k ≦ N−1) for each frame length N samples, and the calculation result is used as the noise moment calculation unit 30 and the average burst length. It is given to the analysis unit 40A and the signal detection unit 80A.

【００４０】雑音モーメント算出部３０では、音源信号
の存在しない最初の周囲雑音区間（区間長Ｍフレーム）
で、該周囲雑音のオートパワースペクトルＳ0 （ｉ，
ｋ）（１≦ｉ≦Ｍ）の各周波数におけるＳ0 （ｉ，ｋ）
の平均値ＳN （ｋ）及び分散σN （ｋ）を算出し、平均
バースト長分析部４０Ａ内の第１バースト検出閾値算出
部４１−１及び第２バースト検出閾値算出部４１−２に
出力する。In the noise moment calculation unit 30, the first ambient noise section (section length M frame) in which no sound source signal exists
Then, the auto power spectrum S 0 (i,
k) S 0 (i, k) at each frequency of (1 ≦ i ≦ M)
Of the average burst length S N (k) and the variance σ N (k) are output to the first burst detection threshold value calculation unit 41-1 and the second burst detection threshold value calculation unit 41-2 in the average burst length analysis unit 40A. To do.

【００４１】平均バースト長分析部４０Ａでは、平均バ
ースト長分布特徴比較部７０Ａで、平滑処理をしない場
合のバースト長と平滑処理後のバースト長の検出閾値を
変えた場合のバースト長の増加を平均バースト分布の特
徴量とするので、それに必要なバースト長、即ち平滑処
理をしない場合に対しては第１バースト検出閾値による
第１平均バースト長と、平滑部４２により算出される平
滑オートパワースペクトルに対しては第２バースト検出
閾値（第１バースト検出閾値よりも小）による第２平均
バースト長を算出する。In the average burst length analysis unit 40A, the average burst length distribution feature comparison unit 70A averages the increase in burst length when the detection thresholds of the burst length without smoothing and the burst length after smoothing are changed. Since the feature quantity of the burst distribution is used, the burst length required for the burst distribution, that is, the first average burst length according to the first burst detection threshold and the smoothed auto power spectrum calculated by the smoothing unit 42 are used when smoothing processing is not performed. On the other hand, the second average burst length based on the second burst detection threshold (smaller than the first burst detection threshold) is calculated.

【００４２】まず、雑音モーメント算出部３０から、各
周波数の平均値ＳN（ｋ）及び分散σN （ｋ）（１≦ｉ
≦Ｍ）が第１バースト検出閾値算出部４１−１及び第２
バースト検出閾値算出部４１−２に入力され、第１バー
スト検出閾値ＳTH１（ｋ）及び第２バースト検出閾値Ｓ
TH２（ｋ）が次式（１９）により、それぞれ算出され
る。 ＳTH１（ｋ）＝ＳN （ｋ）＋ｇ１・σN （ｋ） ＳTH２（ｋ）＝ＳN （ｋ）＋ｇ２・Ｇ（α）・σN （ｋ） ・・・（１９） 但し、α；平滑部４２の平滑係数 ｇ１，ｇ２；所定の定数（ｇ１＞ｇ２） ここで、Ｇ（α）は、平滑処理により得られる分散低減
係数で、平滑フイルタの伝達関数をＦ（ω，α）とする
と、 Ｇ（α）2 ＝∫｜Ｆ（ω，α）｜2 ｄω で算出される。First, from the noise moment calculation unit 30, the average value S N (k) and variance σ N (k) (1 ≦ i of each frequency are obtained.
≦ M) is the first burst detection threshold value calculation unit 41-1 and the second burst detection threshold value calculation unit 41-1.
The first burst detection threshold S TH 1 (k) and the second burst detection threshold S are input to the burst detection threshold calculation unit 41-2.
TH 2 (k) is calculated by the following equation (19). S TH 1 (k) = S N (k) + g1 · σ N (k) S TH 2 (k) = S N (k) + g2 · G (α) · σ N (k) ・ ・ ・ (19) , Α; smoothing coefficient of smoothing section 42 g1, g2; predetermined constant (g1> g2) where G (α) is a dispersion reduction coefficient obtained by smoothing processing, and the transfer function of the smoothing filter is F (ω, α), G (α) 2 = ∫ | F (ω, α) | 2 dω.

【００４３】以上の動作が完了した時点から、平均バー
スト長分析部４０Ａでは、平均バースト長算出区間長Ｈ
で入力されるオートパワースペクトルＳ0（ｉ，ｋ）
（Ｍ＜ｉ≦Ｍ＋Ｈ）を、第１平均バースト長算出部４３
−１に入力し、Ｓ0 （ｉ，ｋ）が第１バースト検出閾値
ＳTH１（ｋ）を越えるフレームの個数ＮUP１（ｋ）と、
生成されたバーストの個数ＮBS１（ｋ）をカウントし、
信号平均バースト長Ｂｓ１（ｋ）を次式（２０）により
算出する。また、平滑部４２により算出される平滑オー
トパワースペクトルＳ（ｉ，ｋ）を第２平均バースト長
算出部４３−２に入力し、第２バースト検出閾値ＳTH２
（ｋ）を越えるフレームの個数ＮUP２（ｋ）と、生成さ
れたバーストの個数ＮBS２（ｋ）をカウントし、信号平
均バースト長Ｂｓ２（ｋ）を次式（２１）により算出
し、信号平均バースト長分布特徴量算出部６０Ａに出力
する。 Ｂｓ１（ｋ）＝ＮUP１（ｋ）／ＮBS１（ｋ） ・・・（２０） Ｂｓ２（ｋ）＝ＮUP２（ｋ）／ＮBS２（ｋ） ・・・（２１） 信号平均バースト長分布特徴量算出部６０Ａでは、信号
平均バースト長Ｂｓ１（ｋ），Ｂｓ２（ｋ）から、次式
（２２）により、信号平均バースト長分布特徴量ΔＢｓ
を算出し、平均バースト長分布特徴比較部７０Ａに出力
する。 ΔＢｓ（ｋ）＝Ｂｓ２（ｋ）−Ｂｓ１（ｋ） ・・・（２２） 一方、雑音平均バースト長分布特徴量算出部５０Ａで
は、前記信号平均バースト長分布特徴量が検出すべき音
源信号のものかを判定するために、雑音の場合の平均バ
ースト長分布特徴量ΔＢｗを、雑音平均バースト長分布
のボルツマン分布近似により、予め次式（２３）によっ
て算出した結果をメモリに格納しておく。From the time when the above operation is completed, the average burst length analysis section 40A calculates the average burst length calculation section length H.
Auto power spectrum S 0 (i, k) input at
(M <i ≦ M + H) is set to the first average burst length calculation unit 43
-1, and the number of frames N UP 1 (k) in which S 0 (i, k) exceeds the first burst detection threshold S TH 1 (k),
Count the number of generated bursts N BS 1 (k),
The signal average burst length Bs1 (k) is calculated by the following equation (20). In addition, the smoothed auto power spectrum S (i, k) calculated by the smoothing unit 42 is input to the second average burst length calculation unit 43-2, and the second burst detection threshold S TH 2
The number N UP 2 (k) of frames exceeding (k) and the number N BS 2 (k) of generated bursts are counted, and the signal average burst length Bs2 (k) is calculated by the following equation (21), It outputs to the signal average burst length distribution characteristic amount calculation unit 60A. Bs1 (k) = N UP 1 (k) / N BS 1 (k) ... (20) Bs2 (k) = N UP 2 (k) / N BS 2 (k) ... (21) Signal average The burst length distribution feature amount calculation unit 60A calculates the signal average burst length distribution feature amount ΔBs from the signal average burst lengths Bs1 (k) and Bs2 (k) using the following equation (22).
Is calculated and output to the average burst length distribution feature comparison unit 70A. ΔBs (k) = Bs2 (k) −Bs1 (k) (22) On the other hand, in the noise average burst length distribution feature amount calculation unit 50A, the source signal to be detected by the signal average burst length distribution feature amount is also In order to determine whether or not, the result of calculating the average burst length distribution feature amount ΔBw in the case of noise by the Boltzmann distribution approximation of the noise average burst length distribution in advance by the following equation (23) is stored in the memory.

【００４４】[0044]

【数２】 [Equation 2]

【００４５】次に、平均バースト長分布特徴比較部７０
Ａでは、信号平均バースト長分布特徴量ΔＢｓ（ｋ）と
雑音平均バースト長分布特徴量ΔＢｗとの比較を、次式
（８−１）によるバースト類似度評価量（即ち、２乗誤
差）Ｖ2 （ｋ）を算出することで行い、信号検知部８０
Ａに出力する。 Ｖ2 （ｋ）＝｜ΔＢｓ（ｋ）−ΔＢｗ｜ ・・・（８−１） 信号検知部８０Ａでは、入力されるオートパワースペク
トルＳ0 （ｉ，ｋ）（Ｍ＜ｉ≦ＨＭ＋Ｈ）のうち、平均
バースト長分布特徴比較部７０Ａから入力される２乗誤
差Ｖ2 （ｋ）を用いて、その２乗誤差Ｖ2 （ｋ）が、所
定の基準値ＶTHを越える周波数ｋ- に対してのみ該オー
トパワースペクトルＳ0 （ｉ，ｋ- ）（Ｍ＜ｉ≦Ｍ＋
Ｈ）をスペクトル表示する。上記の動作をフレーム長Ｈ
毎に行う。このようにして、音源信号周波数の自動的抽
出が可能となる。Next, the average burst length distribution feature comparison unit 70
In A, the comparison between the signal average burst length distribution feature amount ΔBs (k) and the noise average burst length distribution feature amount ΔBw is performed by comparing the burst similarity evaluation amount (that is, squared error) V 2 by the following expression (8-1). The signal detection unit 80 is performed by calculating (k).
Output to A. V 2 (k) = | ΔBs (k) −ΔBw | (8-1) In the signal detection unit 80A, of the input auto power spectrum S 0 (i, k) (M <i ≦ HM + H) , Using the squared error V 2 (k) input from the average burst length distribution feature comparison unit 70A, for a frequency k − at which the squared error V 2 (k) exceeds a predetermined reference value V TH . Only the auto power spectrum S 0 (i, k − ) (M <i ≦ M +
H) is spectrally displayed. Frame length H
Do each time. In this way, the sound source signal frequency can be automatically extracted.

【００４６】以上のように、この第２の実施例では、平
滑処理前と平滑処理後においてバースト検出閾値（検出
レベル）を変えることによる平均バースト長の変化量の
雑音と信号との差を用いて信号の検出を行うようにして
いるので、第１の実施例とほぼ同様の利点が得られる。As described above, in the second embodiment, the difference between the noise and the signal of the change amount of the average burst length by changing the burst detection threshold (detection level) before and after the smoothing process is used. Since the signal is detected by using the above-mentioned method, substantially the same advantages as those of the first embodiment can be obtained.

【００４７】第３の実施例 図５は、本発明の第３の実施例の信号検出方法を実施す
るための信号検出装置の機能ブロック図であり、図１及
び図４中の要素と共通の要素には共通の符号が付されて
いる。 Third Embodiment FIG. 5 is a functional block diagram of a signal detecting apparatus for carrying out the signal detecting method of the third embodiment of the present invention, which is common to the elements in FIGS. 1 and 4. Elements are given common reference numerals.

【００４８】この信号検出装置は、バースト類似度評価
関数Ｖとして（９）式に示すＶ3 を用いて信号検出を行
う装置である。この信号検出装置が図１の第１の実施例
と異なる点は、平均バースト長分析部４０Ｂにおける平
均バースト長の算出方法と、雑音平均バースト長分布特
徴量算出部５０Ｂ及び信号平均バースト長分布特徴量算
出部６０Ｂで算出する平均バースト長分布の特徴量等で
ある。バースト長分布特徴は、平滑処理に用いる平滑フ
ィルタの平滑係数の違いによる平均バースト長分布の変
化に着目した特徴量であるので、該平滑フィルタを複数
個使用する。この第３の実施例では、平滑フィルタを例
えば５個とした場合について説明する。この信号検出装
置では、オートパワースペクトル分析部２０の出力側
に、雑音モーメント算出部３０、平均バースト長分析部
４０Ｂ、及び信号検知部８０Ｂが接続されている。平均
バースト長分析部４０Ｂの出力側には、雑音平均バース
ト長分布特徴量算出部５０Ｂ及び信号平均バースト長分
布特徴量算出部６０Ｂが接続され、その出力側に平均バ
ースト長分布特徴比較部７０Ｂが接続され、さらにその
出力側が信号検知部８０Ｂに接続されている。This signal detecting device is a device for detecting a signal by using V 3 shown in the equation (9) as the burst similarity evaluation function V. This signal detection apparatus is different from the first embodiment in FIG. 1 in that the average burst length analysis unit 40B calculates the average burst length, the noise average burst length distribution feature amount calculation unit 50B, and the signal average burst length distribution feature. It is a feature amount or the like of the average burst length distribution calculated by the amount calculation unit 60B. Since the burst length distribution feature is a feature amount that focuses on the change in the average burst length distribution due to the difference in the smoothing coefficient of the smoothing filter used for the smoothing process, a plurality of smoothing filters are used. In the third embodiment, a case where the number of smoothing filters is five will be described. In this signal detection device, a noise moment calculation unit 30, an average burst length analysis unit 40B, and a signal detection unit 80B are connected to the output side of the auto power spectrum analysis unit 20. A noise average burst length distribution feature amount calculation unit 50B and a signal average burst length distribution feature amount calculation unit 60B are connected to the output side of the average burst length analysis unit 40B, and the average burst length distribution feature comparison unit 70B is connected to the output side thereof. Further, the output side thereof is connected to the signal detection unit 80B.

【００４９】平均バースト長分析部４０Ｂは、５個の第
１平滑部４２−１〜第５平滑部４２−５、５個の第１バ
ースト検出閾値算出部４１−１〜第５バースト検出閾値
算出部４１−５、及び５個の第１平均バースト長算出部
４３−１〜第５平均バースト長算出部４３−５より構成
されている。この平均バースト長分析部４０Ｂでは、オ
ートパワースペクトル分析部２０で算出される周囲雑音
区間のオートパワースペクトル値が第１平滑部４２−１
〜第５平滑部４２−５に入力され、それぞれ平滑オート
パワースペクトルを算出し、第１平均バースト長算出部
４３−１〜第５平均バースト長算出部４３−５に入力す
る。The average burst length analysis unit 40B includes five first smoothing units 42-1 to fifth smoothing units 42-5, five first burst detection threshold value calculation units 41-1 to fifth burst detection threshold value calculation. It is composed of a unit 41-5 and five first average burst length calculation units 43-1 to 43-5. In the average burst length analysis unit 40B, the auto power spectrum value of the ambient noise section calculated by the auto power spectrum analysis unit 20 is the first smoothing unit 42-1.
-The 5th smoothing part 42-5 is inputted, a smoothing auto power spectrum is calculated, respectively, and it is inputted into the 1st average burst length calculation part 43-1 to the 5th average burst length calculation part 43-5.

【００５０】また、雑音モーメント算出部３０で算出さ
れる各周波数における平均値と分散は、第１バースト検
出閾値算出部４１−１〜第５バースト検出閾値算出部４
１−５に入力され、第１バースト検出閾値〜第５バース
ト検出閾値を算出し、それぞれ第１平均バースト長算出
部４３−１〜第５平均バースト長算出部４３−５に入力
する。各平均バースト長算出部４３−１〜４３−５は、
平滑オートパワースペクトルとバースト検出閾値から、
各周波数での平均バースト長を算出し、信号平均バース
ト長分布特徴量算出部６０Ｂに出力する機能を有してい
る。Further, the average value and the variance at each frequency calculated by the noise moment calculation unit 30 are the first burst detection threshold value calculation unit 41-1 to the fifth burst detection threshold value calculation unit 4.
The first burst detection threshold value to the fifth burst detection threshold value are input to the first average burst length calculation section 43-1 to the fifth average burst length calculation section 43-5. Each of the average burst length calculation units 43-1 to 43-5
From the smooth auto power spectrum and the burst detection threshold,
It has a function of calculating the average burst length at each frequency and outputting it to the signal average burst length distribution characteristic amount calculation unit 60B.

【００５１】信号平均バースト長分布特徴量算出部６０
Ｂは、バースト検出閾値と各周波数での平均バースト長
から、バースト検出閾値に対する信号平均バースト長分
布特徴量を算出し、平均バースト長分布特徴比較部７０
Ｂに出力する機能を有している。また、雑音平均バース
ト長分布特徴量算出部５０Ｂでは、予め算出された平均
バースト長分布特徴量がメモリに格納されている。平均
バースト長分布特徴比較部７０Ｂは、信号平均バースト
長分布の平均雑音バースト長分布との２乗誤差を算出
し、それを信号検知部８０Ｂに出力する機能を有してい
る。Signal average burst length distribution feature quantity calculation unit 60
B calculates a signal average burst length distribution feature amount for the burst detection threshold from the burst detection threshold and the average burst length at each frequency, and the average burst length distribution feature comparison unit 70.
It has a function of outputting to B. Further, in the noise average burst length distribution feature amount calculation unit 50B, the average burst length distribution feature amount calculated in advance is stored in the memory. The average burst length distribution feature comparison unit 70B has a function of calculating a squared error between the signal average burst length distribution and the average noise burst length distribution, and outputting the squared error to the signal detection unit 80B.

【００５２】次に、図５の信号検出装置を用いた信号検
出方法を説明する。入力信号は、第１の実施例と同様
に、受信器１０で受信され、オートパワースペクトル分
析部２０に入力される。オートパワースペクトル分析部
２０では、フレーム長Ｎサンプル毎にオートパワースペ
クトルＳ0 （ｉ，ｋ）（０≦ｋ≦Ｎ−１）を算出し、雑
音モーメント算出部３０、平均バースト長分析部４０Ｂ
及び信号検知部８０Ｂに出力される。Next, a signal detecting method using the signal detecting device of FIG. 5 will be described. The input signal is received by the receiver 10 and input to the auto power spectrum analysis unit 20 as in the first embodiment. The auto power spectrum analysis unit 20 calculates the auto power spectrum S 0 (i, k) (0 ≦ k ≦ N−1) for each frame length N samples, and the noise moment calculation unit 30 and the average burst length analysis unit 40B.
And to the signal detector 80B.

【００５３】雑音モーメント算出部３０では、音源信号
の存在しない最初の周囲雑音区間（区間長Ｍフレーム）
で、該周囲雑音のオートパワースペクトルＳ0 （ｉ，
ｋ）（１≦ｉ≦Ｍ）の各周波数におけるＳ0 （ｉ，ｋ）
の平均値ＳN （ｋ）及び分散σN （ｋ）を算出し、平均
バースト長分析部４０Ｂ内の５個のバースト検出閾値算
出部４１−１〜４１−５に出力する。In the noise moment calculation unit 30, the first ambient noise section (section length M frame) in which the sound source signal does not exist
Then, the auto power spectrum S 0 (i,
k) S 0 (i, k) at each frequency of (1 ≦ i ≦ M)
The average value S N (k) and the variance σ N (k) are calculated and output to the five burst detection threshold value calculation units 41-1 to 41-5 in the average burst length analysis unit 40B.

【００５４】平均バースト長分析部４０Ｂでは、オート
パワースペクトルＳ0 （ｉ，ｋ）が５個の平滑部４２−
１〜４２−５に入力され、各平滑部４２−１〜４２−５
で次式（２３）により平滑オートパワースペクトルＳ
（ｉ，ｋ，ｌ）（１≦ｌ≦Ｌ，Ｌ＝５）がそれぞれ算出
される。 Ｓ（ｉ，ｋ，ｌ）＝α（ｌ）・Ｓ0 （ｉ，ｋ） ＋（１−α（ｌ))Ｓ（ｉ−１，ｋ，ｌ） ・・・（２３） ここで、α（ｌ）はｌに固有の定数であり、その設定
は、例えばα（ｌ）＝２-( l-1)により算出すれば良い。In the average burst length analysis unit 40B, the smoothing unit 42 having five auto power spectra S 0 (i, k)
1 to 42-5, and the smoothing units 42-1 to 42-5 are input.
Then, the smooth auto power spectrum S is calculated by the following equation (23).
(I, k, l) (1 ≦ l ≦ L, L = 5) are calculated. S (i, k, l) = α (l) · S 0 (i, k) + (1−α (l)) S (i−1, k, l) (23) where α (L) is a constant specific to l, and its setting may be calculated by, for example, α (l) = 2- ( l-1) .

【００５５】次に、雑音モーメント算出部３０から出力
される各周波数の平均値ＳN （ｋ）、及び次式（２４）
の分散σN （ｋ）（０≦ｋ＜Ｎ）を、５個のバースト検
出閾値算出部４１−１〜４１−５に入力し、各バースト
検出閾値算出部４１−１〜４１−５で、検出閾値Ｓ
TH（ｍ，ｋ，ｌ）（１≦ｌ≦Ｌ，Ｌ＝５）を次式（２
５）により算出し、各平均バースト長算出部４３−１〜
４３−５に入力する。 σN （ｋ，ｌ）＝Ｇ（ｌ）・σN （ｋ） ・・・（２４） ＳTH（ｍ，ｋ，ｌ）＝ＳN （ｋ）＋ｍ・ｖ・σN （ｋ，ｌ）／Ｍ ・・・（２５） 但し、０≦ｍ≦Ｍ σN （ｋ，ｌ）2 ；第１平滑部４２−１による平滑後分
散 ｖ；検出閾値の算出値の平滑後分散で正規化した上限値 ここで、Ｇ（ｌ）は平滑処理により得られる分散低減係
数で、平滑フィルタの伝達関数をＦ（ω，ｌ）とする
と、 Ｇ（ｌ）2 ＝∫｜Ｆ（ω，ｌ）｜2 ｄω で算出できる。Next, the average value S N (k) of each frequency output from the noise moment calculator 30 and the following equation (24)
The variance σ N (k) (0 ≦ k <N) of 5 is input to the five burst detection threshold value calculation units 41-1 to 41-5, and each of the burst detection threshold value calculation units 41-1 to 41-5 Detection threshold S
TH (m, k, l) (1 ≦ l ≦ L, L = 5) can be expressed by the following equation (2
5), and each average burst length calculation unit 43-1 to
43-5. σ N (k, l) = G (l) · σ N (k) (24) S TH (m, k, l) = S N (k) + m · v · σ N (k, l) / M (25) where 0 ≦ m ≦ M σ N (k, l) 2 ; smoothed variance by the first smoothing unit 42-1 v; normalized by the smoothed variance of the calculated detection threshold value Upper limit value Here, G (l) is a dispersion reduction coefficient obtained by the smoothing process, and when the transfer function of the smoothing filter is F (ω, l), G (l) 2 = ∫ | F (ω, l) | It can be calculated by 2 dω.

【００５６】以上の動作が完了した時点から、平均バー
スト長分析部４０Ｂでは、平均バースト長算出区間長Ｈ
で入力される各平滑オートパワースペクトルＳ（ｉ，
ｋ，ｌ）（Ｍ＜ｉ≦Ｍ＋Ｈ，１≦ｌ≦Ｌ，Ｌ＝５）を、
各平均バースト長算出部４３−１〜４３−５に入力し、
Ｓ（ｉ，ｋ，ｌ）が検出閾値ＳTH（ｍ，ｋ，ｌ）を越え
るフレームの個数ＮUP（ｍ，ｋ，ｌ）と、生成されたバ
ーストの個数ＮBS１（ｍ，ｋ，ｌ）をカウントし、信号
平均バースト長Ｂｓ（ｍ，ｋ，ｌ）を次式（２６）によ
り算出する。 Ｂｓ（ｍ，ｋ，ｌ）＝ＮUP（ｍ，ｋ，ｌ）／ＮBS（ｍ，ｋ，ｌ） ・・・（２６） 信号平均バースト長分布特徴量算出部６０Ｂでは、信号
平均バースト長Ｂｓ（ｍ，ｋ，ｌ）を信号平均バースト
長分布特徴量として、平均平均バースト長分布特徴比較
部７０Ｂに出力する。From the time when the above operation is completed, the average burst length analysis unit 40B calculates the average burst length H
Each smoothed auto power spectrum S (i,
k, l) (M <i ≦ M + H, 1 ≦ l ≦ L, L = 5),
Input to each average burst length calculation unit 43-1 to 43-5,
The number N UP (m, k, l) of frames in which S (i, k, l) exceeds the detection threshold S TH (m, k, l) and the number N BS 1 (m, k, l) of generated bursts 1) is counted and the signal average burst length Bs (m, k, l) is calculated by the following equation (26). Bs (m, k, l) = N UP (m, k, l) / N BS (m, k, l) (26) The signal average burst length distribution feature amount calculation unit 60B calculates the signal average burst length. Bs (m, k, l) is output to the average average burst length distribution feature comparison unit 70B as a signal average burst length distribution feature amount.

【００５７】一方、雑音平均バースト長分布特徴量算出
部５０Ｂでは、前記信号平均バースト長分布特徴量が検
出すべき音源信号のものかを判定するために、雑音の場
合の平均バースト長分布特徴量Ｂｗ（ｍ，ｌ）を、雑音
平均バースト長分布のボルツマン分布近似により、予め
次式（２７）により算出した結果をメモリに格納してお
く。On the other hand, in the noise average burst length distribution feature amount calculation section 50B, in order to determine whether the signal average burst length distribution feature amount is that of the sound source signal to be detected, the average burst length distribution feature amount in the case of noise. Bw (m, l) is previously calculated by the following equation (27) by Boltzmann distribution approximation of the noise average burst length distribution, and the result is stored in the memory.

【００５８】[0058]

【数３】 [Equation 3]

【００５９】ここで、ａ（ｌ），ｂ（ｌ），ｃ（ｌ）は
平滑フィルタの平滑係数α（ｌ）により定まる係数であ
り、その決定は、予め白色雑音に対するシミュレーショ
ンによりαの関数として決定する。Here, a (l), b (l), and c (l) are coefficients determined by the smoothing coefficient α (l) of the smoothing filter, and their determination is made in advance as a function of α by simulation for white noise. decide.

【００６０】次に、平均バースト長分布特徴比較部７０
Ｂでは、信号平均バースト長分布特徴量Ｂｓ（ｍ，ｋ，
ｌ）と雑音平均バースト長分布特徴量Ｂｗ（ｍ，ｌ）と
の比較を、次式（９−１）によるバースト類似度評価値
（即ち、２乗誤差）Ｖ3 （ｋ）を算出することで行い、
信号検知部８０Ｂに出力する。 但し、０≦m1，m2≦Ｍ，Ｌ＝５ 信号検知部８０Ｂでは、入力されるオートパワースペク
トルＳ0 （ｉ，ｋ）（Ｍ＜ｉ≦ＨＭ＋Ｈ）のうち、平均
バースト長分布特徴比較部７０Ｂから入力される２乗誤
差Ｖ2 （ｋ）を用いて、その２乗誤差Ｖ（ｋ）3 が、所
定の基準値ＶTHを越える周波数ｋ- に対してのみ該オー
トパワースペクトルＳ0 （ｉ，ｋ- ）（Ｍ＜ｉ≦Ｍ＋
Ｈ）をスペクトル表示する。上記の動作をフレーム長Ｈ
毎に行う。このようにして、音源信号周波数の自動的抽
出が可能となる。Next, the average burst length distribution feature comparison unit 70
In B, the signal average burst length distribution feature amount Bs (m, k,
l) and the noise average burst length distribution feature amount Bw (m, l) are compared to calculate the burst similarity evaluation value (that is, squared error) V 3 (k) by the following equation (9-1). Done in
The signal is output to the signal detection unit 80B. However, 0 ≦ m1, m2 ≦ M, L = 5 In the signal detection unit 80B, the average burst length distribution feature comparison unit 70B in the input auto power spectrum S 0 (i, k) (M <i ≦ HM + H) Using the squared error V 2 (k) input from the auto power spectrum S 0 (i) only for the frequency k − whose squared error V (k) 3 exceeds a predetermined reference value V TH. , k -) (M <i ≦ M +
H) is spectrally displayed. Frame length H
Do each time. In this way, the sound source signal frequency can be automatically extracted.

【００６１】この第３の実施例では、バースト検出閾値
算出部４１−１〜４１−５、平滑部４２−１〜４２−
５、及び平均バースト長算出部４３−１〜４３−５をそ
れぞれ５個ずつで構成したが、これらは任意の数で良
い。この実施例では、平滑フィルタの平滑指数を変える
ことによる平均バースト長の変化量の雑音と信号との差
を用いて信号の検出を行うようにしているので、第１の
実施例とほぼ同様の利点が得られる。In the third embodiment, burst detection threshold value calculation units 41-1 to 41-5 and smoothing units 42-1 to 42-.
5, and the average burst length calculation units 43-1 to 43-5 are each composed of 5 units, but any number may be used. In this embodiment, since the signal is detected by using the difference between the noise and the signal of the change amount of the average burst length by changing the smoothing index of the smoothing filter, almost the same as in the first embodiment. Benefits are obtained.

【００６２】[0062]

【発明の効果】以上詳細に説明したように、第１の発明
によれば、平滑処理により雑音の抑制を図る信号検出方
法おいて、雑音の検出レベルをパラメータとした平滑後
の連続検出の雑音平均バースト長分布と信号平均バース
ト長分布の差を用いて信号の検出を行うようにしてい
る。そのため、バースト化した雑音を誤って信号と判定
する危険性を低減でき、さらに雑音の検出レベルをパラ
メータとすることによって定量化された信頼性に基づく
信号の検知が実現できる。従って、精度の高い信号検知
の自動化が可能となる。As described in detail above, according to the first aspect of the invention, in the signal detecting method for suppressing noise by smoothing processing, noise of continuous detection after smoothing with the noise detection level as a parameter is used. The signal is detected by using the difference between the average burst length distribution and the signal average burst length distribution. Therefore, the risk of erroneously determining bursted noise as a signal can be reduced, and signal detection based on quantified reliability can be realized by using the noise detection level as a parameter. Therefore, highly accurate signal detection can be automated.

【００６３】第２の発明によれば、第１の発明の雑音平
均バースト長分布をボルツマン関数で近似しているの
で、演算時間を短縮でき、それによって信号検出処理の
高速化が期待できる。According to the second invention, since the noise average burst length distribution of the first invention is approximated by the Boltzmann function, the calculation time can be shortened, and thereby the signal detection processing can be speeded up.

【００６４】第３の発明によれば、平滑処理前と平滑処
理後では、検出レベルを変えることによる平均バースト
長の変化量の雑音と信号との差を用いて信号の検出を行
うようにしているので、第２の発明とほぼ同様の効果が
得られる。According to the third aspect of the invention, before and after the smoothing process, the signal is detected by using the difference between the noise and the signal of the change amount of the average burst length by changing the detection level. Therefore, substantially the same effect as the second invention can be obtained.

【００６５】第４の発明では、平滑処理の平滑指数を変
えることによる平均バースト長の変化量の雑音と信号と
の差を用いて信号の検出を行うようにしているので、第
２の発明とほぼ同様の効果が得られる。In the fourth invention, the signal is detected by using the difference between the noise and the signal of the change amount of the average burst length by changing the smoothing index of the smoothing process. Almost the same effect can be obtained.

【図面の簡単な説明】[Brief description of drawings]

【図１】本発明の第１の実施例の信号検出方法を実施す
るための信号検出装置の機能ブロック図である。FIG. 1 is a functional block diagram of a signal detection device for carrying out a signal detection method according to a first embodiment of the present invention.

【図２】雑音の正規化検出閾値と平均バースト長との関
係を示す図である。FIG. 2 is a diagram showing a relationship between a noise normalization detection threshold and an average burst length.

【図３】ボルツマン近似による正規化検出閾値と平均バ
ースト長との関係を示す図である。FIG. 3 is a diagram showing a relationship between a normalized detection threshold by Boltzmann approximation and an average burst length.

【図４】本発明の第２の実施例の信号検出方法を実施す
るための信号検出装置の機能ブロック図である。FIG. 4 is a functional block diagram of a signal detection device for carrying out the signal detection method of the second embodiment of the present invention.

【図５】本発明の第３の実施例の信号検出方法を実施す
るための信号検出装置の機能ブロック図である。FIG. 5 is a functional block diagram of a signal detection device for carrying out a signal detection method according to a third embodiment of the present invention.

【符号の説明】[Explanation of symbols]

１０ 受信器 ２０ オートパワースペクトル分
析部 ３０ 雑音モーメント算出部 ４０，４０Ａ，４０Ｂ 平均バースト長分析部 ４１ バースト検出閾値設定部 ４１−１〜４１−５ バースト検出閾値算出部 ４２，４２−１〜４２−５ 平滑部 ４３，４３−１〜４３−５ 平均バースト長算出部 ５０，５０Ａ，５０Ｂ 雑音平均バースト長分布特
徴量算出部 ６０，６０Ａ，６０Ｂ 信号平均バースト長分布特
徴量算出部 ７０，７０Ａ，７０Ｂ 平均バースト長分布特徴比
較部 ８０，８０Ａ，８０Ｂ 信号検知部10 receiver 20 auto power spectrum analysis unit 30 noise moment calculation unit 40, 40A, 40B average burst length analysis unit 41 burst detection threshold setting unit 41-1 to 41-5 burst detection threshold calculation unit 42, 42-1 to 42- 5 Smoothing unit 43, 43-1 to 43-5 Average burst length calculation unit 50, 50A, 50B Noise average burst length distribution characteristic amount calculation unit 60, 60A, 60B Signal average burst length distribution characteristic amount calculation unit 70, 70A, 70B Average burst length distribution feature comparison unit 80, 80A, 80B Signal detection unit

Claims (4)

【特許請求の範囲】[Claims] 【請求項１】 雑音下での信号を受信し、該受信信号の
パワースペクトルを求め、平滑処理によって雑音を低減
した後に前記信号の検出を行う信号検出方法において、 前記パワースペクトルを前記平滑処理して平滑パワース
ペクトルを求め、前記雑音の検出レベルをパラメータと
して該平滑パワースペクトルから雑音平均バースト長及
び信号平均バースト長を連続的に検出し、 前記雑音平均バースト長及び信号平均バースト長からそ
れぞれ雑音平均バースト長分布及び信号平均バースト長
分布の各特徴量を求め、比較処理により、前記２つの特
徴量の差に基づきバースト類似度評価量を求め、 前記バースト類似度評価量に基づき、前記平滑パワース
ペクトルにおける前記雑音と前記信号の識別を行うこと
を特徴とする信号検出方法。1. A signal detection method for receiving a signal in the presence of noise, obtaining a power spectrum of the received signal, and reducing the noise by smoothing to detect the signal, wherein the power spectrum is smoothed. A smooth power spectrum is obtained by continuously detecting a noise average burst length and a signal average burst length from the smooth power spectrum using the noise detection level as a parameter, and a noise average from the noise average burst length and the signal average burst length, respectively. Each feature amount of the burst length distribution and the signal average burst length distribution is obtained, a burst similarity evaluation amount is obtained by comparison processing based on the difference between the two feature amounts, and the smooth power spectrum is obtained based on the burst similarity evaluation amount. A method for detecting a signal, characterized in that the noise is discriminated from the signal. 【請求項２】 請求項１記載の信号検出方法において、 前記雑音平均バースト長分布をボルツマン関数で近似す
ることを特徴とする信号検出方法。2. The signal detection method according to claim 1, wherein the noise average burst length distribution is approximated by a Boltzmann function. 【請求項３】 請求項２記載の信号検出方法において、 前記平滑処理の前と後では前記検出レベルを変えて前記
雑音平均バースト長及び信号平均バースト長を連続的に
検出し、 前記検出レベルを変えることによって生じる前記雑音平
均バースト長及び信号平均バースト長の各変化量をそれ
ぞれ求め、 比較処理により、前記２つの変化量の差に基づき前記バ
ースト類似度評価量を求めることを特徴とする信号検出
方法。3. The signal detection method according to claim 2, wherein the noise average burst length and the signal average burst length are continuously detected by changing the detection level before and after the smoothing process. A signal detection characterized in that a change amount of the noise average burst length and a change amount of the signal average burst length caused by the change are respectively obtained, and the burst similarity evaluation amount is obtained based on a difference between the two change amounts by a comparison process. Method. 【請求項４】 請求項２記載の信号検出方法において、 前記平滑処理の平滑指数を変えて前記雑音平均バースト
長及び信号平均バースト長を連続的に検出し、 前記平滑指数を変えることによって生じる前記雑音平均
バースト長及び信号平均バースト長の各変化量をそれぞ
れ求め、 比較処理により、前記２つの変化量の差に基づき前記バ
ースト類似度評価量を求めることを特徴とする信号検出
方法。4. The signal detecting method according to claim 2, wherein the smoothing index of the smoothing process is changed to continuously detect the noise average burst length and the signal average burst length, and the smoothing index is changed. A signal detection method characterized in that a variation amount of the noise average burst length and a variation amount of the signal average burst length are respectively obtained, and the burst similarity evaluation amount is obtained based on a difference between the two variation amounts by a comparison process.
JP3292922A 1991-11-08 1991-11-08 Signal detection method Expired - Fee Related JP2999868B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP3292922A JP2999868B2 (en) 1991-11-08 1991-11-08 Signal detection method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP3292922A JP2999868B2 (en) 1991-11-08 1991-11-08 Signal detection method

Publications (2)

Publication Number Publication Date
JPH05126623A true JPH05126623A (en) 1993-05-21
JP2999868B2 JP2999868B2 (en) 2000-01-17

Family

ID=17788146

Family Applications (1)

Application Number Title Priority Date Filing Date
JP3292922A Expired - Fee Related JP2999868B2 (en) 1991-11-08 1991-11-08 Signal detection method

Country Status (1)

Country Link
JP (1) JP2999868B2 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107340056A (en) * 2017-06-29 2017-11-10 西北工业大学 One kind matching random resonance detection method

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107340056A (en) * 2017-06-29 2017-11-10 西北工业大学 One kind matching random resonance detection method
CN107340056B (en) * 2017-06-29 2019-06-21 西北工业大学 A kind of matching random resonance detection method

Also Published As

Publication number Publication date
JP2999868B2 (en) 2000-01-17

Similar Documents

Publication Publication Date Title
US6556967B1 (en) Voice activity detector
KR100580643B1 (en) Appratuses and methods for detecting and discriminating acoustical impact
GB1605051A (en) Method of detecting signals
JPS61265533A (en) Apparatus for detecting abnormality of rotor
JP3298318B2 (en) Glass break detector
JPS6060080B2 (en) voice recognition device
JP2999868B2 (en) Signal detection method
JP2708301B2 (en) Signal detection method
JPH07184948A (en) Snore detector
EP0848335A1 (en) Method and apparatus for QRS detection
JP3344864B2 (en) Automatic reverberation time measuring method and automatic reverberation time measuring device
JPH04100099A (en) Voice detector
JP3205109B2 (en) Abnormal diagnosis device for rotating body
JP3148466B2 (en) Device for discriminating between helicopter sound and vehicle sound
JP2648779B2 (en) Call signal identification device
JP2982764B2 (en) Frequency analyzer and underwater target classification device
JP4173408B2 (en) Seismic motion identification method and apparatus therefor
JPH09247800A (en) Method for extracting left right sound image direction
JPH08189921A (en) Crack detecting device
JP3293713B2 (en) Discrimination method of water leak sound by high precision frequency analysis method
CN117457026A (en) Noise detection system and method for riding equipment
JPH10285616A (en) Automatic video quality measuring method and device therefor
JP2002071447A (en) Pulse sound judging method
JP2643202B2 (en) Detection device for steady, transient and uncertain parts of input speech
CN117433625A (en) Abnormal sound detection method and device of range hood and electronic equipment

Legal Events

Date Code Title Description
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 19991026

LAPS Cancellation because of no payment of annual fees