【研究領域課題番号】20H00235 (KAKENデータベースで見る）

【研究キーワード】

ブレイン・コンピュータ・インタフェース / 侵襲脳波 / 機械学習 / 信号処理 / ブレインマシンインタフェース / BMI

【研究成果の概要】

近年の信号処理・機械学習技術の進展によって，発声時や傾聴時の音声を頭蓋内脳波から推定したり再構成することが可能になりつつある．一方で，想像している発話の推定は，脳波と正解ラベルの同期を取るのが困難であることもあり，めぼしい成果が出ていないのが現状である．本年度は，想像音声と脳波が適切に同期していれば，発声や傾聴時脳波の場合と同様に，脳波から音声をデコーディングできるという仮説を立て、研究を実施した．
実験参加者は聴覚および視覚に問題なく，てんかん治療のため頭蓋内に電極を留置した男性4名（s1, s5, s6, s8），女性4名（s2, s3, s4, s7）であった．実験前には実験前には共同研究機関である順天堂大学医学部附属順天堂医院の承認に基づいて，実験参加者からインフォームドコンセントを得た.ECoG測定の電極には，てんかん治療のため頭蓋内に留置した頭蓋内電極を使用した．ECoGを測定する時のGNDは硬膜外電極とした．まず，短い文が映し出された画面を実験参加者に呈示し，文字の色を１文字ずつハイライトすることで，想像時のタイミングや想像速度を制御できる実験を設計した．その上で，音声想像，音声傾聴，発声の3種類タスクを課し，そのときの頭蓋内脳波を記録した．さらに，傾聴タスクでは呈示した音声，発声タスクでは実験参加者の発話を記録した．計測した頭蓋内脳波に対して，発声または傾聴時の音声のメルケプストラム係数をもちいたエンコーダ・デコーダモデルによって，想像音声を学習・推論した．想像時の頭蓋内脳波からデコーディングした文の文字誤り率は，最良で約17%を達成した．

【研究種目】基盤研究(A)

【研究期間】2020-04-01 - 2023-03-31

【配分額】46,020千円 (直接経費: 35,400千円、間接経費: 10,620千円)

【研究領域課題番号】19H01116 (KAKENデータベースで見る）

【研究キーワード】

音源分離 / 信号処理 / スモールデータ / 機械学習 / 音響拡張現実感

【研究成果の概要】

（１）センシング・解析レイヤー：ILRMAを時変複素一般化ガウス分布へ拡張し、その有効性を定量化した。特に劣ガウス分布への拡張を提案し、その音楽信号分離への効果を様々な実験によって検証した。またIDLMAに関しては、時変複素スチューデントt分布・一般化ガウス分布音源生成確率モデルを基礎とする新しいIDLMAを導出し、それらを定量的に評価した。
（２）時空間情報再構成レイヤー：従来の両耳再現の問題として、頭部形状の個人性の問題がある。昨年度に引き続き、これを両耳統計モデルとしてモデル化し、その汎用性に関して検討を行った。また、前レイヤーのブラインド/半教師有り信号分解は基本的にランク1空間モデルと呼ばれるものであり、後段レイヤーへの応用を考えると無数の拡散性音源・雑音が存在する場合を考慮する必要がある（これはフルランク空間モデル推定問題と呼ばれる）。これを高精度かつ高速に実装するため、ILRMAで求められた雑音ランク1空間モデルをMajorization-Minimizationアルゴリズムによる尤度最大化によってフルランクへ拡張する理論を提案し、実環境データで評価を行った。その結果、従来のフルランク音源分離法よりも高速かつ高精度な分離を実現できた。
（３）ユーザインターフェイスレイヤー：直感的な声質・イントネーション制御機能を備えたDNN音声変換技術を構築するため、従来のDNNが要求するような教師有り学習用ビッグデータをどこまでスモールなものに出来るかを検証した。特に、音響尤度に基づくサブワード分割法を用いた教師無し音声合成やスペクトルのGMM近似に基づく音声合成の導入を行い、それらの有効性を定量化できた。

【研究種目】基盤研究(A)

【研究期間】2019-04-01 - 2023-03-31

【配分額】44,850千円 (直接経費: 34,500千円、間接経費: 10,350千円)

【研究分野】知覚情報処理

【研究領域課題番号】17H01760 (KAKENデータベースで見る）

【研究キーワード】

作用素多様体 / 局所等方独立 / 機械学習 / 信号処理 / パターン認識 / ドメイン適応 / 正定値行列 / 相関行列

【研究成果の概要】

本研究では，まず作用素多様体理論の基礎部分として，作用素の微分や作用素の中に含まれる微分に対する微分に相当するものを定義した。次に，それを使って局所等方独立性を表す作用素の方程式を与えた。そして，簡単な場合の解を与え，解の作用素が場所不変であることこから導かれる方程式を与えた。
また，局所相関を使って曲線座標系を求める手法，正準相関と局所特徴量を組み合わせて画像の変形を求める手法，効果的なドメイン適応のためにパターンの属性を使う手法，相関行列が作る多様体においてその距離をスペクトル距離で評価し，脳信号の外れ値検出を行う手法，画像の局所統計的性質により画像の平滑化などを行う手法を開発した。

【研究の社会的意義】

パターン認識は知能の中では最も基本的なものの一つである。機械によるパターン認識の性能を向上させることができれば，人間が行ってきた単純作業や危険な作業を機械に肩代わりさせることができるため，人類の福祉向上に大きく貢献することができる。
パターン認識の分野では，深層学習が集中的に研究され，様々な分野にブレークスルーをもたらし，実応用に関しても広がりを見せている。しかし，残念がながら人間のパターン認識能力には遠く及ばない。この問題を解決するためには，パターンの距離構造や確率構造を含んだ生成モデルを構築することが重要であり，そのための上記の成果は独創性も非常に高く，学術的意義は大きいと言える。

【研究種目】基盤研究(B)

【研究期間】2017-04-01 - 2020-03-31

【配分額】17,940千円 (直接経費: 13,800千円、間接経費: 4,140千円)

【研究分野】通信・ネットワーク工学

【研究領域課題番号】16K06367 (KAKENデータベースで見る）

【研究キーワード】

RFID / 位相計測 / 外れ値除去 / 統計処理 / 機械学習 / 位相 / 読取りゾーン / 独立成分分析 / 信号処理 / クラスター分析 / 人工知能 / 情報通信工学 / 移動体通信

【研究成果の概要】

UHF帯RFIDシステムにおいて、RFタグからの返信電波の搬送波位相情報を用いて、RFタグの位置を推定することにより、想定する読取り内外を弁別する方法について研究開発した。単一の搬送波位相を用いると、30ｃｍ程度の波長ごとに位相が繰り返す問題が生じるが、複数の搬送波を用い、外れ値除去を行いながら位相計測する微分位相方式を用いることで、この問題を解決できることを示し、実験で確認した。また商用リーダでは位相計測が必ずしも正確に行えないが、受信電波フレームの統計解析によって簡単・高速に位相角度が掲載できることも明らかにした。

【研究の社会的意義】

UHF帯RFIDでは、リーダライタから5ｍ程度離れた位置にあるRFタグの識別子やセンサ情報などを非接触かつ、電池不要で読み取ることができる。ところが実用環境では電波の反射によって定在波が発生し、想定した読取り外のRFタグが読めることがある。従来は、電波出力やアンテナ方向の調整、電波遮蔽物の設置などで、試行錯誤により、こうした想定外RFタグの読取りを抑圧していた。本研究は、十分に強い電波で読取り範囲外のＲＦタグも含めて読み取った後に、ＲＦタグからの無線信号の特徴を用いて、情報処理で読取り範囲外のＲＦタグを除外する。これにより、従来必要であった事前調整や物理的遮蔽などを不要とする。

【研究種目】基盤研究(C)

【研究期間】2016-04-01 - 2019-03-31

【配分額】4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)

【研究分野】通信・ネットワーク工学

【研究領域課題番号】16H04362 (KAKENデータベースで見る）

【研究キーワード】

グラフ信号処理 / 機械学習 / 信号処理 / スパース符号化 / センサネットワーク

【研究成果の概要】

本研究における成果として代表的なものは，大規模時空間データをスパースに表現するための高速グラフサンプリング手法および大規模行列特異値処理手法である．
高速グラフサンプリング手法においては，グラフ信号処理の知見を利用し，グラフ局所性作用素を用いたサンプリング手法の提案を行った．本手法は従来手法と比較して最大数千倍高速であり，データの復元精度も優れている．大規模行列特異値処理に関しては，ディジタルフィルタ設計等に用いられるチェビシェフ多項式近似を用いることで，陽に行列分解をすることなしに特異値処理された行列を算出できることを示した．

【研究の社会的意義】

Society 5.0 の実現のためには IoT から得られるビッグデータを効率よく処理する必要がある．本研究の成果は，ビッグデータ解析に対して（グラフ）信号処理の立場から非常に効率的なアルゴリズムを提案したことに学術的意義がある．同時に，今後ますます需要が増すビッグデータを利用した AI に対し，実用的にも大きな一歩となることが期待できる．

【研究種目】基盤研究(B)

【研究期間】2016-04-01 - 2019-03-31

【配分額】16,900千円 (直接経費: 13,000千円、間接経費: 3,900千円)

【研究分野】通信・ネットワーク工学

【研究領域課題番号】20760252 (KAKENデータベースで見る）

【研究キーワード】

信号処理 / 移動体通信 / 機械学習 / 情報通信工学 / 時変計量適応射影劣勾配法 / 射影勾配作用素 / 複数領域適応学習 / 無線通信 / 低ランク適応フィルタ

【研究成果の概要】

不動点理論に基づいて、以下の成果を得た。(1)低ランク適応アルゴリズムを導出し、その収束解析を与えるとともに、少ない計算量で収束速度を大幅に向上できることを示した。(2)「時間変化する計量」という新しい概念を提案し、数多くの適応アルゴリズムの収束性を統一的に解析するための一般的枠組みを構築した。(3)「Feasibility Splitting」という既存の概念を適応信号処理に新たに導入することで、複数の領域で表現された情報を効率的に利用できる適応学習アルゴリズムを導出し、その収束解析を与え、SIMO/MIMO無線通信システムにおける有効性を実証した。

【研究種目】若手研究(B)

【研究期間】2008 - 2011

【配分額】4,030千円 (直接経費: 3,100千円、間接経費: 930千円)