PROBLEM TO BE SOLVED: To highly accurately separate a plurality of components from a mixed acoustic signal.SOLUTION: In a learning process, for each of a plurality of sound source components, a non-negative value matrix indicated by a spectrogram is broken down into a basis matrix and a coefficient matrix for convergence and the basis matrix is registered as a learning sample sound signal. In a factorization process, each of the registered learning sample sound signals of the plurality of sound source components is captured as a basis matrix a spectrogram of an organism sound signal into which the plurality of sound source components are mixed is updated by a minimizing method by using each spectrogram of the plurality of sound source components, which are the learning sample sound signals, as an initial value of the basis matrix and the updated spectrogram is reconstructed by approximation by a product of the basis matrix and coefficient matrix, thereby causing a mixed waveform signal to be broken down into each factor of the plurality of sound source components. Furthermore, masking is performed on the basis of the basis matrix and coefficient matrix of the reconstructed spectrogram to separate each organism sound signal of the plurality of sound source components.COPYRIGHT: (C)2015,JPO&INPIT【課題】混合音響信号から複数の成分を高精度に分離する。【解決手段】学習過程において、複数の音源成分それぞれについて、スペクトログラムが表す非負値行列を基底行列と係数行列に分解し収束させ、基底行列を学習サンプル音信号として登録する。また、因子分解過程において、登録された複数の音源成分の学習サンプル音信号をそれぞれ基底行列として取り込み、前記複数の音源成分が混合された生体音信号のスペクトログラムについて、前記学習サンプル音信号である複数の音源成分それぞれのスペクトログラムを基底行列の初期値として最小化法による更新を行い、更新されたスペクトログラムを基底行列と係数行列の積で近似することにより再構築することで、混合波形信号を複数の音源成分それぞれの因子に分解する。さらには、再構築されたスペクトログラムの基底行列と係数行列を基づいてマスキングして複数の音源成分それぞれの生体音信号を分離する。【選択図】図1
