@inproceedings{oai:kanazawa-u.repo.nii.ac.jp:00008163,
 author = {Horita, Akihide and Nakayama, Kenji and Hirano, Akihiro and Dejima, Yasuhiro},
 book = {電子情報通信学会, 第 20回信号処理シンポジウム（高知）},
 month = {Nov},
 note = {In Blind Source Separation (BSS), a eparation block is trained so as to make the output signals to be statistically independent. In this case, the independency is able to be increased by changing frequency response of the output signals, resulting in signal distortion. Especially, a feed-forward BSS (FF-BSS) has some degree of freedom in the separation block, and the signal distortion will be caused. The signal distortion is evaluated as difference between the output signal and the signal source in the measured signal. Some equations are derived from the conditions of complete separation and signal distortion free. They are used as the distortion free constraint in the conventional learning process [11]. On the other hand, a feedback BSS (FB-BSS) has a solution, which can satisfy both complete separation and distortion free. In this paper, the learning algorithm with the distortion free constraint is applied to the FF-BSS in time domain. Many kinds of signal sources are used in simulation in order to compare the proposed method and the conventional, in which difference between the output signals and the measured signals is included in the cost function [4]. Furthermore, the FB-BSS is also evaluated.ブラインド信号源分離では(BSS) は分離回路がその出力信号が統計的に独立になるように学習される．この場合，出力信号の周波数特性が変化することにより，独立性が高まることもあるので，信号歪みが生じる可能性がある．特に，フィードフォワード形BSS(FF-BSS)は分離回路における自由度が高く，信号歪みを生じる可能性がある．信号歪みの基準を観測信号に含まれる信号源と考え，完全分離の条件と信号無歪の条件から導かれた制約条件を学習に加味する信号歪み抑制学習法を提案した[11]．信号源をsi，観測信号をxi，出力信号をyi とするとき，信号を分離するとともにyi をxi におけるsi 成分に近づけることができる．これに対し，観測信号と出力信号の差を評価関数に追加する従来法では，観測信号に含まれる複数の信号源の影響で信号源分離が充分ではない．一方，フィードバック形BSS(FBBSS)では，信号源分離と信号歪み抑制の条件を同時に満たす回が存在する．本稿では信号歪み抑制学習法を時間領域で学習するFF-BSS に適用し，種々の信号源を 使って従来方式[4] と比較することによりその特性を解 析する．同時に，FB-BSS の有効性も検証する．, 金沢大学理工研究域　電子情報学系},
 publisher = {IEICE 電子情報通信学会 / 信号処理研究専門委員会 / 第20回 信号処理シンポジウム},
 title = {Analysis of A Learning Algorithm with Distortion Free Constraint},
 year = {2005}
}