SlideShare a Scribd company logo
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
金子格
名古屋市立大学 客員准教授
1
音響学会電気応用研究会 2019/8/8~8/9で発表したものです。
プログラムは下記でした。
http://asj-
eacom.acoustics.jp/201908program/?fbclid=IwAR390C569318cmFVhait
QxsTDbE79OAu5lSE4_Vq0ZdXPMUkHqQunIVufH4
音響学会ホームページ
https://acoustics.jp/
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
2020年の訪日外国人は 4000万人
限られた人員で万全な警備が必要
2
https://japan.cnet.com/article/35130371/
KDDIら3社、「ドローン警備」の実証実験に成功
—AIで不審者を検知し追尾
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
3
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
信号処理/指向性
1. スペクトル分離
1.1 線スペクトルフィルター
1.2 ノイズ抑制
2. ロータ方向からの音を抑制
2.1 指向性マイク
2.2 ビームフォーミング
-> ドローン向けのビームフォーミングを考えた
4
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
まず普通の 2ch ビームフォーミング
– 特定方向の音を強調/抑制する
5
H1 H2
y1 y2
x1
H3
H4
x2
𝑧2 = 𝐻2 𝑦1 − 𝐻1 𝑦2
= 𝐻2(𝐻3 𝑥2) − 𝐻1 𝐻4 𝑥2
= ( 𝐻2 𝐻3 − 𝐻1 𝐻4)𝑥2
𝑧1 = 𝐻2 𝑦1 − 𝐻1 𝑦2
= 𝐻2(𝐻1 𝑥1) − 𝐻1 𝐻2 𝑥1
= ( 𝐻2 𝐻1 − 𝐻1 𝐻2)𝑥1 = 0
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
マイクを縦列させることで、1方向のみ抑制する。
6
H
x2
H
x2
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
7
H1H2
x1
y1
y2
H3
H4
x2
𝑧2 = 𝐻2 𝑦1 − 𝐻1 𝑦2
= 𝐻2(𝐻3 𝑥2) − 𝐻1 𝐻4 𝑥2
= ( 𝐻2 𝐻3 − 𝐻1 𝐻4)𝑥2
𝑧1 = 𝐻2 𝑦1 − 𝐻1 𝑦2
= 𝐻2(𝐻1 𝑥1) − 𝐻1 𝐻2 𝑥1
= ( 𝐻2 𝐻1 − 𝐻1 𝐻2)𝑥1 = 0
𝑥1のみ再生
𝑥2のみ再生
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
8
50cm
スピーカ1
ドローンの音
マイク/スピーカ y方向 x方向
スピーカ1 -66cm 0cm
Mic1 -8cm 0cm
Mic2 +8cm 0cm
スピーカ2 0cm 50cm
-66cm
-8cm
+8cm
スピーカ2
音声など
y
x
表 1 マイク/スピーカ配置
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
再生状況 信号 ファイル名
x1=ホワイトノイズ x1 nsp_0.wav
x1=ホワイトノイズ y1による録音 wnrmic1.wav
x1=ホワイトノイズ y2による録音 wnrmic2.wav
x1=ドローン音 y1による録音 wnrmic1.wav
x1=ドローン音 y2による録音 wnrmic2.wav
9
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
// torii 2018/12/19
// ik 2019/02/09-2-2 改良版
// 2019/6/29 コメント修正
fs= 44100;
w=1:fs;
mic1=loadwave("wnrmic1.wav"); // y1
mic2=loadwave("wnrmic2.wav"); // y2
nsp_0=loadwave("nsp_0.wav"); //x1
// スムージング用フィルタ
smsf1=ffilt("lp",127,0.01,0.01)+0.004;
smsf1_l=int(length(smsf1)/2);
//H1の算出
f1=fft(mic1(w),-1); // y1のフーリエ変換
f0=fft(nsp_0(w),-1); // 元の信号のフーリエ変換
f01= f1 ./ f0 .* abs(f0 ./ (abs(f0) + 4)); // H1の逆数
r01 = fft(f01,1); // H1のインパルス応答
//H2の算出
f2=fft(mic2(w),-1); //y2のフーリエ変換
f02= f2 ./ f0 .* abs(f0 ./ (abs(f0) + 4)); // H2
r02 = fft(f02,1); // H2のインパルス応答
10
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
// 上記インパルス応答を使った抑制実験
mod_mic1= convol(r02,mic1);
mod_mic2= convol(r01,mic2);
mix1 = mod_mic1 - mod_mic2;
11
ドローンの音は除去されるが処理した
音に不快なエコーが含まれてしまう.
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
12
H1H2
x1
y1
y2
H3
H4
x2
𝑧1 + 𝑧2 = 𝐻2 𝑦1 − 𝐻1 𝑦2
= 𝐻2(𝐻1 𝑥1 + 𝐻4 𝑥2) − 𝐻1 𝐻2 𝑥1 + 𝐻3 𝑥2
= ( 𝐻2 𝐻3 − 𝐻1 𝐻4)𝑥2
𝑦1 : マイク1で収音した音
𝑦2 : マイク2で収音した音
𝑧1 + 𝑧2 : ノイズキャンセル結果
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
13
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
/// バックグラウンドノイズ除去
e01 = r01 ^ 2;
e01s = convol(smsf1, e01);
e01s = (log(e01s(w+smsf1_l)) - log(mean(e01)) - 4)*5;
w01s= exp(e01s) ./(1+exp(e01s));
r01m = w01s .* r01;
e02 = r02 ^ 2;
e02s = convol(smsf1, e02);
e02s = (log(e02s(w+smsf1_l)) - log(mean(e02)) - 4)*5;
w02s= exp(e02s) ./(1+exp(e02s));
r02m = w02s .* r02; // マスクした信号
14
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
15
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
16
r01m r02m
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
17
H1H2
x1
y1
y2
H3
H4
x2
𝑧1 + 𝑧2 = 𝐻2 𝑦1 − 𝐻1 𝑦2
= 𝐻2(𝐻1 𝑥1 + 𝐻4 𝑥2) − 𝐻1 𝐻2 𝑥1 + 𝐻3 𝑥2
= ( 𝐻2 𝐻3 − 𝐻1 𝐻4)𝑥2
𝑦1 : マイク1で収音した音
𝑦2 : マイク2で収音した音
𝑧1 + 𝑧2 : ノイズキャンセル結果
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
18
図 7 NBF前後の波形
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
図 7 NBF前後の波形
ドローンの騒音は10dB抑制された.
マイク位置での地上音の音量が60dB,ドローンの騒音は70dB
程度であったとすると,ノイズ抑制処理なしでは聞き取ること
ができないが,10dBノイズ低減することでSN比は0dBとなり十
分聞き取りが可能になる.
19
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
20
H1H2
x1
y1
y2
H3
H4
x2
0
0.5
1
-π 0 π
角度とゲイン
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
21
H1H2
x1
y1
y2
H3
H4
x2
𝑧2 = 𝐻2 𝑦1 − 𝐻1 𝑦2
= 𝐻2(𝐻3 𝑥2) − 𝐻1 𝐻4 𝑥2
= ( 𝐻2 𝐻3 − 𝐻1 𝐻4)𝑥2
𝑦2 =
𝑧2
𝐻2 𝐻3 − 𝐻1 𝐻4
= 𝑥2
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
補整がうまく行われる区域
ドローン直下を中心とした同心
円上では特性が等しい
補整範囲外でも特性が変わるだ
けでゲインが下がるわけではな
い。
22
H
x2
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
23
NBF の阻害要因
反射、インパルス応答の誤差
反射: ドローンは空中であるため反射音の問題はそれほどない。
インパルス応答の誤差
NBFに寄与するのは、ほとんどが「ディレイ」であるため、安定していると思
われる。
ある程度大きさがあるのでインパルス応答に方向による誤差が生じる。
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
インシュレータを装着することで
マイクには回折音のみが到達する。
H1, H2 の収束性が増し、効果を向上でき
ると期待できる。
24
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
10dBの抑制ゲインを得た。
音質への影響はそれほどなかった。
改良を加えれば十分実用的。
25
ドローン のためのビームフォーミング 金子 格 (名古屋市立大学)
ドローンでの収音のためのビームフォーミングを提案した。
10dB以上の抑制比がありドローン音の抑制効果があった。
お礼
以下の方々に実験に多大なご協力いただいた。
東京工芸大学工学部コンピュータ応用学科 鳥居 敦君
東京工芸大学荒井良徳 准教授
共著者とすることを固辞されたので、今回単著として投稿した。
26

More Related Content

What's hot

実環境音響信号処理における収音技術
実環境音響信号処理における収音技術実環境音響信号処理における収音技術
実環境音響信号処理における収音技術
Yuma Koizumi
 
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
Shinnosuke Takamichi
 
音源分離 ~DNN音源分離の基礎から最新技術まで~ Tokyo bishbash #3
音源分離 ~DNN音源分離の基礎から最新技術まで~ Tokyo bishbash #3音源分離 ~DNN音源分離の基礎から最新技術まで~ Tokyo bishbash #3
音源分離 ~DNN音源分離の基礎から最新技術まで~ Tokyo bishbash #3
Naoya Takahashi
 
複数話者WaveNetボコーダに関する調査
複数話者WaveNetボコーダに関する調査複数話者WaveNetボコーダに関する調査
複数話者WaveNetボコーダに関する調査
Tomoki Hayashi
 
音情報処理における特徴表現
音情報処理における特徴表現音情報処理における特徴表現
音情報処理における特徴表現
NU_I_TODALAB
 
音素事後確率を利用した表現学習に基づく発話感情認識
音素事後確率を利用した表現学習に基づく発話感情認識音素事後確率を利用した表現学習に基づく発話感情認識
音素事後確率を利用した表現学習に基づく発話感情認識
NU_I_TODALAB
 
GAN-based statistical speech synthesis (in Japanese)
GAN-based statistical speech synthesis (in Japanese)GAN-based statistical speech synthesis (in Japanese)
GAN-based statistical speech synthesis (in Japanese)
Yuki Saito
 
CVPR2019読み会 (Rethinking the Evaluation of Video Summaries)
CVPR2019読み会 (Rethinking the Evaluation of Video Summaries)CVPR2019読み会 (Rethinking the Evaluation of Video Summaries)
CVPR2019読み会 (Rethinking the Evaluation of Video Summaries)
Yasunori Ozaki
 
論文紹介 Unsupervised training of neural mask-based beamforming
論文紹介 Unsupervised training of neural  mask-based beamforming論文紹介 Unsupervised training of neural  mask-based beamforming
論文紹介 Unsupervised training of neural mask-based beamforming
Shinnosuke Takamichi
 
JVS:フリーの日本語多数話者音声コーパス
JVS:フリーの日本語多数話者音声コーパス JVS:フリーの日本語多数話者音声コーパス
JVS:フリーの日本語多数話者音声コーパス
Shinnosuke Takamichi
 
調波打撃音分離の時間周波数マスクを用いた線形ブラインド音源分離
調波打撃音分離の時間周波数マスクを用いた線形ブラインド音源分離調波打撃音分離の時間周波数マスクを用いた線形ブラインド音源分離
調波打撃音分離の時間周波数マスクを用いた線形ブラインド音源分離
Kitamura Laboratory
 
音声の声質を変換する技術とその応用
音声の声質を変換する技術とその応用音声の声質を変換する技術とその応用
音声の声質を変換する技術とその応用
NU_I_TODALAB
 
Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由
tancoro
 
異常音検知に対する深層学習適用事例
異常音検知に対する深層学習適用事例異常音検知に対する深層学習適用事例
異常音検知に対する深層学習適用事例
NU_I_TODALAB
 
【DL輪読会】"Secrets of RLHF in Large Language Models Part I: PPO"
【DL輪読会】"Secrets of RLHF in Large Language Models Part I: PPO"【DL輪読会】"Secrets of RLHF in Large Language Models Part I: PPO"
【DL輪読会】"Secrets of RLHF in Large Language Models Part I: PPO"
Deep Learning JP
 
[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...
[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...
[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...
Deep Learning JP
 
近接分離最適化によるブラインド⾳源分離(Blind source separation via proximal splitting algorithm)
近接分離最適化によるブラインド⾳源分離(Blind source separation via proximal splitting algorithm)近接分離最適化によるブラインド⾳源分離(Blind source separation via proximal splitting algorithm)
近接分離最適化によるブラインド⾳源分離(Blind source separation via proximal splitting algorithm)
Daichi Kitamura
 
動作認識の最前線:手法,タスク,データセット
動作認識の最前線:手法,タスク,データセット動作認識の最前線:手法,タスク,データセット
動作認識の最前線:手法,タスク,データセット
Toru Tamaki
 
冗長変換とその画像復元応用
冗長変換とその画像復元応用冗長変換とその画像復元応用
冗長変換とその画像復元応用
Shogo Muramatsu
 
統計的手法に基づく異常音検知の理論と応用
統計的手法に基づく異常音検知の理論と応用統計的手法に基づく異常音検知の理論と応用
統計的手法に基づく異常音検知の理論と応用
Yuma Koizumi
 

What's hot (20)

実環境音響信号処理における収音技術
実環境音響信号処理における収音技術実環境音響信号処理における収音技術
実環境音響信号処理における収音技術
 
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
 
音源分離 ~DNN音源分離の基礎から最新技術まで~ Tokyo bishbash #3
音源分離 ~DNN音源分離の基礎から最新技術まで~ Tokyo bishbash #3音源分離 ~DNN音源分離の基礎から最新技術まで~ Tokyo bishbash #3
音源分離 ~DNN音源分離の基礎から最新技術まで~ Tokyo bishbash #3
 
複数話者WaveNetボコーダに関する調査
複数話者WaveNetボコーダに関する調査複数話者WaveNetボコーダに関する調査
複数話者WaveNetボコーダに関する調査
 
音情報処理における特徴表現
音情報処理における特徴表現音情報処理における特徴表現
音情報処理における特徴表現
 
音素事後確率を利用した表現学習に基づく発話感情認識
音素事後確率を利用した表現学習に基づく発話感情認識音素事後確率を利用した表現学習に基づく発話感情認識
音素事後確率を利用した表現学習に基づく発話感情認識
 
GAN-based statistical speech synthesis (in Japanese)
GAN-based statistical speech synthesis (in Japanese)GAN-based statistical speech synthesis (in Japanese)
GAN-based statistical speech synthesis (in Japanese)
 
CVPR2019読み会 (Rethinking the Evaluation of Video Summaries)
CVPR2019読み会 (Rethinking the Evaluation of Video Summaries)CVPR2019読み会 (Rethinking the Evaluation of Video Summaries)
CVPR2019読み会 (Rethinking the Evaluation of Video Summaries)
 
論文紹介 Unsupervised training of neural mask-based beamforming
論文紹介 Unsupervised training of neural  mask-based beamforming論文紹介 Unsupervised training of neural  mask-based beamforming
論文紹介 Unsupervised training of neural mask-based beamforming
 
JVS:フリーの日本語多数話者音声コーパス
JVS:フリーの日本語多数話者音声コーパス JVS:フリーの日本語多数話者音声コーパス
JVS:フリーの日本語多数話者音声コーパス
 
調波打撃音分離の時間周波数マスクを用いた線形ブラインド音源分離
調波打撃音分離の時間周波数マスクを用いた線形ブラインド音源分離調波打撃音分離の時間周波数マスクを用いた線形ブラインド音源分離
調波打撃音分離の時間周波数マスクを用いた線形ブラインド音源分離
 
音声の声質を変換する技術とその応用
音声の声質を変換する技術とその応用音声の声質を変換する技術とその応用
音声の声質を変換する技術とその応用
 
Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由
 
異常音検知に対する深層学習適用事例
異常音検知に対する深層学習適用事例異常音検知に対する深層学習適用事例
異常音検知に対する深層学習適用事例
 
【DL輪読会】"Secrets of RLHF in Large Language Models Part I: PPO"
【DL輪読会】"Secrets of RLHF in Large Language Models Part I: PPO"【DL輪読会】"Secrets of RLHF in Large Language Models Part I: PPO"
【DL輪読会】"Secrets of RLHF in Large Language Models Part I: PPO"
 
[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...
[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...
[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...
 
近接分離最適化によるブラインド⾳源分離(Blind source separation via proximal splitting algorithm)
近接分離最適化によるブラインド⾳源分離(Blind source separation via proximal splitting algorithm)近接分離最適化によるブラインド⾳源分離(Blind source separation via proximal splitting algorithm)
近接分離最適化によるブラインド⾳源分離(Blind source separation via proximal splitting algorithm)
 
動作認識の最前線:手法,タスク,データセット
動作認識の最前線:手法,タスク,データセット動作認識の最前線:手法,タスク,データセット
動作認識の最前線:手法,タスク,データセット
 
冗長変換とその画像復元応用
冗長変換とその画像復元応用冗長変換とその画像復元応用
冗長変換とその画像復元応用
 
統計的手法に基づく異常音検知の理論と応用
統計的手法に基づく異常音検知の理論と応用統計的手法に基づく異常音検知の理論と応用
統計的手法に基づく異常音検知の理論と応用
 

More from Itaru Kaneko

情報処理学会第86回全国大会イベント2023年サイバー事件簿 テクノロジー編、by 金子
情報処理学会第86回全国大会イベント2023年サイバー事件簿 テクノロジー編、by 金子情報処理学会第86回全国大会イベント2023年サイバー事件簿 テクノロジー編、by 金子
情報処理学会第86回全国大会イベント2023年サイバー事件簿 テクノロジー編、by 金子
Itaru Kaneko
 
私はなぜ心配するのをやめてAIを受け入れるようになったか
私はなぜ心配するのをやめてAIを受け入れるようになったか私はなぜ心配するのをやめてAIを受け入れるようになったか
私はなぜ心配するのをやめてAIを受け入れるようになったか
Itaru Kaneko
 
JavaScript による知的財産の社会的生成流通の マルチエージェント シミュレーションの 実験的システム
JavaScript による知的財産の社会的生成流通のマルチエージェント シミュレーションの実験的システムJavaScript による知的財産の社会的生成流通のマルチエージェント シミュレーションの実験的システム
JavaScript による知的財産の社会的生成流通の マルチエージェント シミュレーションの 実験的システム
Itaru Kaneko
 
なりすましWebページ,メールの 検出のための 様々な手法の比較調査
なりすましWebページ,メールの検出のための様々な手法の比較調査なりすましWebページ,メールの検出のための様々な手法の比較調査
なりすましWebページ,メールの 検出のための 様々な手法の比較調査
Itaru Kaneko
 
仮想ウイルスの感染率が不均衡な多次元超立方体ネットワーク内での接触検出の有効性
仮想ウイルスの感染率が不均衡な多次元超立方体ネットワーク内での接触検出の有効性仮想ウイルスの感染率が不均衡な多次元超立方体ネットワーク内での接触検出の有効性
仮想ウイルスの感染率が不均衡な多次元超立方体ネットワーク内での接触検出の有効性
Itaru Kaneko
 
Effect on the contact detection in non-uniform network
Effect on the contact detection in non-uniform networkEffect on the contact detection in non-uniform network
Effect on the contact detection in non-uniform network
Itaru Kaneko
 
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
Itaru Kaneko
 
情報処理学会第77回全国大会 3月17日 於 京都大学 1G-07 国際標準における 参照ソフトウエアと特許の扱い
情報処理学会第77回全国大会 3月17日 於 京都大学 1G-07 国際標準における参照ソフトウエアと特許の扱い情報処理学会第77回全国大会 3月17日 於 京都大学 1G-07 国際標準における参照ソフトウエアと特許の扱い
情報処理学会第77回全国大会 3月17日 於 京都大学 1G-07 国際標準における 参照ソフトウエアと特許の扱い
Itaru Kaneko
 

More from Itaru Kaneko (8)

情報処理学会第86回全国大会イベント2023年サイバー事件簿 テクノロジー編、by 金子
情報処理学会第86回全国大会イベント2023年サイバー事件簿 テクノロジー編、by 金子情報処理学会第86回全国大会イベント2023年サイバー事件簿 テクノロジー編、by 金子
情報処理学会第86回全国大会イベント2023年サイバー事件簿 テクノロジー編、by 金子
 
私はなぜ心配するのをやめてAIを受け入れるようになったか
私はなぜ心配するのをやめてAIを受け入れるようになったか私はなぜ心配するのをやめてAIを受け入れるようになったか
私はなぜ心配するのをやめてAIを受け入れるようになったか
 
JavaScript による知的財産の社会的生成流通の マルチエージェント シミュレーションの 実験的システム
JavaScript による知的財産の社会的生成流通のマルチエージェント シミュレーションの実験的システムJavaScript による知的財産の社会的生成流通のマルチエージェント シミュレーションの実験的システム
JavaScript による知的財産の社会的生成流通の マルチエージェント シミュレーションの 実験的システム
 
なりすましWebページ,メールの 検出のための 様々な手法の比較調査
なりすましWebページ,メールの検出のための様々な手法の比較調査なりすましWebページ,メールの検出のための様々な手法の比較調査
なりすましWebページ,メールの 検出のための 様々な手法の比較調査
 
仮想ウイルスの感染率が不均衡な多次元超立方体ネットワーク内での接触検出の有効性
仮想ウイルスの感染率が不均衡な多次元超立方体ネットワーク内での接触検出の有効性仮想ウイルスの感染率が不均衡な多次元超立方体ネットワーク内での接触検出の有効性
仮想ウイルスの感染率が不均衡な多次元超立方体ネットワーク内での接触検出の有効性
 
Effect on the contact detection in non-uniform network
Effect on the contact detection in non-uniform networkEffect on the contact detection in non-uniform network
Effect on the contact detection in non-uniform network
 
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
 
情報処理学会第77回全国大会 3月17日 於 京都大学 1G-07 国際標準における 参照ソフトウエアと特許の扱い
情報処理学会第77回全国大会 3月17日 於 京都大学 1G-07 国際標準における参照ソフトウエアと特許の扱い情報処理学会第77回全国大会 3月17日 於 京都大学 1G-07 国際標準における参照ソフトウエアと特許の扱い
情報処理学会第77回全国大会 3月17日 於 京都大学 1G-07 国際標準における 参照ソフトウエアと特許の扱い
 

ドローンによる収音のためのビームフォーミング

  • 1. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 金子格 名古屋市立大学 客員准教授 1 音響学会電気応用研究会 2019/8/8~8/9で発表したものです。 プログラムは下記でした。 http://asj- eacom.acoustics.jp/201908program/?fbclid=IwAR390C569318cmFVhait QxsTDbE79OAu5lSE4_Vq0ZdXPMUkHqQunIVufH4 音響学会ホームページ https://acoustics.jp/
  • 2. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 2020年の訪日外国人は 4000万人 限られた人員で万全な警備が必要 2 https://japan.cnet.com/article/35130371/ KDDIら3社、「ドローン警備」の実証実験に成功 —AIで不審者を検知し追尾
  • 4. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 信号処理/指向性 1. スペクトル分離 1.1 線スペクトルフィルター 1.2 ノイズ抑制 2. ロータ方向からの音を抑制 2.1 指向性マイク 2.2 ビームフォーミング -> ドローン向けのビームフォーミングを考えた 4
  • 5. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) まず普通の 2ch ビームフォーミング – 特定方向の音を強調/抑制する 5 H1 H2 y1 y2 x1 H3 H4 x2 𝑧2 = 𝐻2 𝑦1 − 𝐻1 𝑦2 = 𝐻2(𝐻3 𝑥2) − 𝐻1 𝐻4 𝑥2 = ( 𝐻2 𝐻3 − 𝐻1 𝐻4)𝑥2 𝑧1 = 𝐻2 𝑦1 − 𝐻1 𝑦2 = 𝐻2(𝐻1 𝑥1) − 𝐻1 𝐻2 𝑥1 = ( 𝐻2 𝐻1 − 𝐻1 𝐻2)𝑥1 = 0
  • 6. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) マイクを縦列させることで、1方向のみ抑制する。 6 H x2 H x2
  • 7. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 7 H1H2 x1 y1 y2 H3 H4 x2 𝑧2 = 𝐻2 𝑦1 − 𝐻1 𝑦2 = 𝐻2(𝐻3 𝑥2) − 𝐻1 𝐻4 𝑥2 = ( 𝐻2 𝐻3 − 𝐻1 𝐻4)𝑥2 𝑧1 = 𝐻2 𝑦1 − 𝐻1 𝑦2 = 𝐻2(𝐻1 𝑥1) − 𝐻1 𝐻2 𝑥1 = ( 𝐻2 𝐻1 − 𝐻1 𝐻2)𝑥1 = 0 𝑥1のみ再生 𝑥2のみ再生
  • 8. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 8 50cm スピーカ1 ドローンの音 マイク/スピーカ y方向 x方向 スピーカ1 -66cm 0cm Mic1 -8cm 0cm Mic2 +8cm 0cm スピーカ2 0cm 50cm -66cm -8cm +8cm スピーカ2 音声など y x 表 1 マイク/スピーカ配置
  • 9. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 再生状況 信号 ファイル名 x1=ホワイトノイズ x1 nsp_0.wav x1=ホワイトノイズ y1による録音 wnrmic1.wav x1=ホワイトノイズ y2による録音 wnrmic2.wav x1=ドローン音 y1による録音 wnrmic1.wav x1=ドローン音 y2による録音 wnrmic2.wav 9
  • 10. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) // torii 2018/12/19 // ik 2019/02/09-2-2 改良版 // 2019/6/29 コメント修正 fs= 44100; w=1:fs; mic1=loadwave("wnrmic1.wav"); // y1 mic2=loadwave("wnrmic2.wav"); // y2 nsp_0=loadwave("nsp_0.wav"); //x1 // スムージング用フィルタ smsf1=ffilt("lp",127,0.01,0.01)+0.004; smsf1_l=int(length(smsf1)/2); //H1の算出 f1=fft(mic1(w),-1); // y1のフーリエ変換 f0=fft(nsp_0(w),-1); // 元の信号のフーリエ変換 f01= f1 ./ f0 .* abs(f0 ./ (abs(f0) + 4)); // H1の逆数 r01 = fft(f01,1); // H1のインパルス応答 //H2の算出 f2=fft(mic2(w),-1); //y2のフーリエ変換 f02= f2 ./ f0 .* abs(f0 ./ (abs(f0) + 4)); // H2 r02 = fft(f02,1); // H2のインパルス応答 10
  • 11. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) // 上記インパルス応答を使った抑制実験 mod_mic1= convol(r02,mic1); mod_mic2= convol(r01,mic2); mix1 = mod_mic1 - mod_mic2; 11 ドローンの音は除去されるが処理した 音に不快なエコーが含まれてしまう.
  • 12. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 12 H1H2 x1 y1 y2 H3 H4 x2 𝑧1 + 𝑧2 = 𝐻2 𝑦1 − 𝐻1 𝑦2 = 𝐻2(𝐻1 𝑥1 + 𝐻4 𝑥2) − 𝐻1 𝐻2 𝑥1 + 𝐻3 𝑥2 = ( 𝐻2 𝐻3 − 𝐻1 𝐻4)𝑥2 𝑦1 : マイク1で収音した音 𝑦2 : マイク2で収音した音 𝑧1 + 𝑧2 : ノイズキャンセル結果
  • 14. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) /// バックグラウンドノイズ除去 e01 = r01 ^ 2; e01s = convol(smsf1, e01); e01s = (log(e01s(w+smsf1_l)) - log(mean(e01)) - 4)*5; w01s= exp(e01s) ./(1+exp(e01s)); r01m = w01s .* r01; e02 = r02 ^ 2; e02s = convol(smsf1, e02); e02s = (log(e02s(w+smsf1_l)) - log(mean(e02)) - 4)*5; w02s= exp(e02s) ./(1+exp(e02s)); r02m = w02s .* r02; // マスクした信号 14
  • 16. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 16 r01m r02m
  • 17. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 17 H1H2 x1 y1 y2 H3 H4 x2 𝑧1 + 𝑧2 = 𝐻2 𝑦1 − 𝐻1 𝑦2 = 𝐻2(𝐻1 𝑥1 + 𝐻4 𝑥2) − 𝐻1 𝐻2 𝑥1 + 𝐻3 𝑥2 = ( 𝐻2 𝐻3 − 𝐻1 𝐻4)𝑥2 𝑦1 : マイク1で収音した音 𝑦2 : マイク2で収音した音 𝑧1 + 𝑧2 : ノイズキャンセル結果
  • 18. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 18 図 7 NBF前後の波形
  • 19. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 図 7 NBF前後の波形 ドローンの騒音は10dB抑制された. マイク位置での地上音の音量が60dB,ドローンの騒音は70dB 程度であったとすると,ノイズ抑制処理なしでは聞き取ること ができないが,10dBノイズ低減することでSN比は0dBとなり十 分聞き取りが可能になる. 19
  • 20. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 20 H1H2 x1 y1 y2 H3 H4 x2 0 0.5 1 -π 0 π 角度とゲイン
  • 21. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 21 H1H2 x1 y1 y2 H3 H4 x2 𝑧2 = 𝐻2 𝑦1 − 𝐻1 𝑦2 = 𝐻2(𝐻3 𝑥2) − 𝐻1 𝐻4 𝑥2 = ( 𝐻2 𝐻3 − 𝐻1 𝐻4)𝑥2 𝑦2 = 𝑧2 𝐻2 𝐻3 − 𝐻1 𝐻4 = 𝑥2
  • 22. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 補整がうまく行われる区域 ドローン直下を中心とした同心 円上では特性が等しい 補整範囲外でも特性が変わるだ けでゲインが下がるわけではな い。 22 H x2
  • 23. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 23 NBF の阻害要因 反射、インパルス応答の誤差 反射: ドローンは空中であるため反射音の問題はそれほどない。 インパルス応答の誤差 NBFに寄与するのは、ほとんどが「ディレイ」であるため、安定していると思 われる。 ある程度大きさがあるのでインパルス応答に方向による誤差が生じる。
  • 24. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) インシュレータを装着することで マイクには回折音のみが到達する。 H1, H2 の収束性が増し、効果を向上でき ると期待できる。 24
  • 25. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) 10dBの抑制ゲインを得た。 音質への影響はそれほどなかった。 改良を加えれば十分実用的。 25
  • 26. ドローン のためのビームフォーミング 金子 格 (名古屋市立大学) ドローンでの収音のためのビームフォーミングを提案した。 10dB以上の抑制比がありドローン音の抑制効果があった。 お礼 以下の方々に実験に多大なご協力いただいた。 東京工芸大学工学部コンピュータ応用学科 鳥居 敦君 東京工芸大学荒井良徳 准教授 共著者とすることを固辞されたので、今回単著として投稿した。 26

Editor's Notes

  1. だいたい8分