详情

原文传递异常音检测装置、异常度计算装置、异常音生成装置、异常音检测学习装置、异常信号检测装置、异常信号检测学习装置、及它们的方法以及程序

专利名称：	异常音检测装置、异常度计算装置、异常音生成装置、异常音检测学习装置、异常信号检测装置、异常信号检测学习装置、及它们的方法以及程序
摘要：	提供与有无异常音的学习数据无关、可以生成用于异常音检测的特征量提取函数的异常音检测学习技术。异常音检测学习装置包括：根据变分自动编码器的最佳化指标，更新输入的特征量提取函数以及特征量逆变换函数的第一函数更新单元(3)；根据正常音的学习数据提取正常音的音响特征量的音响特征量提取单元(4)；使用提取的音响特征量更新正常音模型的正常音模型更新单元(5)；使用正常音的学习数据以及输入的特征量提取函数，求与作为规定的值的伪阳性率ρ对应的阈值的阈值更新单元(6)；根据由求出的阈值决定的内曼皮尔森型最佳化指标，将更新的特征量提取函数更新的第二函数更新单元(8)，反复进行上述各单元的处理。
专利类型：	发明专利
国家地区组织代码：	日本;JP
申请人：	日本电信电话株式会社
发明人：	小泉悠马;齐藤翔一郎;植松尚
专利状态：	有效
申请日期：	2017-09-14T00:00:00+0800
发布日期：	2019-10-18T00:00:00+0800
申请号：	CN201780086118.2
公开号：	CN110352349A
代理机构：	北京市柳沈律师事务所
代理人：	郑海涛
分类号：	G01N29/52(2006.01);G;G01;G01N;G01N29
申请人地址：	日本东京都
主权项：	1.一种异常音检测装置，检测输入的输入音是否为异常音，包括：音响特征量提取单元，使用特征量提取函数提取所述输入音的音响特征量；异常度计算单元，使用提取的所述音响特征量计算所述输入音的异常度；以及判定单元，根据得到的所述异常度和阈值，判定所述输入音是否为异常音，所述特征量提取函数基于将可包含正常音以及异常音的声音模型化后的概率分布、将正常音模型化后的概率分布、以及将输入的异常音模型化后的概率分布，使用从所述正常音得到的异常度设定所述阈值。 2.如权利要求1所述的异常音检测装置，设定所述特征量提取函数，使得从使用所述特征量提取函数得到的正常音的音响特征量计算的异常度小于所述阈值、且从使用所述特征量提取函数得到的被输入的所述异常音的音响特征量计算的异常度大于所述阈值。 3.如权利要求2所述的异常音检测装置，所述特征量提取函数是，通过基于变分自动编码器的最佳化指标的第1更新，以及基于所述正常音的音响特征量、所述异常音的音响特征量、由所述阈值决定的指标的第2更新而生成的函数。 4.如权利要求3所述的异常音检测装置，所述指标是内曼皮尔森型最佳化指标。 5.如权利要求1所述的异常音检测装置，将所述异常音模型化后的概率分布是，从将可包含所述正常音以及异常音的声音模型化后的概率分布中除去了将所述正常音模型化后的概率分布的概率分布。 6.如权利要求1所述的异常音检测装置，输入的所述异常音是，使用将可包含所述正常音以及异常音的声音模型化后的概率分布、作为所述特征量提取函数的逆函数的特征量逆变换函数、以及所述阈值而生成的声音。 7.如权利要求6所述的异常音检测装置，将p(F(x))设为将可包含所述正常音以及异常音的声音模型化后的概率分布，将p(F(x)\|z＝0)设为将所述正常音模型化后的概率分布，输入的所述异常音是，通过生成按照以下的式(23)的音响特征量fks而生成的声音， 8.如权利要求1至7的任意一项所述的异常音检测装置，将N设为规定的正整数，所述阈值是，在将从所述正常音得到的异常度降序分类时的从上开始第N个异常度。 9.一种异常度计算装置，为了检测输入的输入音是否为异常音，计算所述输入音的异常度，包括：音响特征量提取单元，使用特征量提取函数提取所述输入音的音响特征量；以及异常度计算单元，使用提取的所述音响特征量，计算所述输入音的异常度，所述特征量提取函数基于将可包含正常音以及异常音的声音模型化后的概率分布、将正常音模型化后的概率分布、以及将输入的异常音模型化后的概率分布，使用从所述正常音得到的异常度设定所述阈值。 10.一种异常音生成装置，根据可包含正常音以及异常音的声音，生成异常音，包括：异常音生成单元，使用将可包含所述正常音以及异常音的声音模型化后的概率分布、作为所述特征量提取函数的逆函数的特征量逆变换函数、以及阈值，生成异常音，所述特征量逆变换函数是，基于将可包含所述正常音以及异常音的声音模型化后的概率分布、将正常音模型化后的概率分布、将输入的异常音模型化后的概率分布的特征量变换函数的逆变换函数，使用从所述正常音得到的异常度设定所述阈值。 11.如权利要求10所述的异常音生成装置，所述异常音生成单元生成近似了遵从将可包含所述正常音以及异常音的声音模型化后的概率分布的音响特征量的值，计算生成的值的异常度，在计算出的异常度大于所述阈值的情况下，通过计算将生成的值输入到所述特征量逆变换函数时的输出值，生成所述异常音。 12.一种异常音检测学习装置，包括：第一函数更新单元，根据变分自动编码器的最佳化指标，更新输入的特征量提取函数以及特征量逆变换函数；音响特征量提取单元，使用输入的所述特征量提取函数，根据正常音的学习数据提取正常音的音响特征量；正常音模型更新单元，使用提取的所述音响特征量更新正常音模型；阈值更新单元，使用所述正常音的学习数据以及输入的所述特征量提取函数，求与作为规定的值的伪阳性率ρ对应的阈值以及第二函数更新单元，使用提取的所述正常音的音响特征量以及输入的异常音的音响特征量，根据由求出的所述阈值决定的内曼皮尔森型最佳化指标将更新的所述特征量提取函数更新，反复进行将由所述第二函数更新单元更新的特征量提取函数设为输入的、所述第一函数更新单元、所述音响特征量提取单元、所述正常音模型更新单元以及所述第二函数更新单元的处理。 13.如权利要求12所述的异常音检测学习装置，还包括异常音采样单元，其生成所述异常音的音响特征量。 14.如权利要求13所述的异常音检测学习装置，将p(F(x)\|z≠0)设为异常音遵从的概率分布，将p(F(x))设为可包含正常音以及异常音的声音遵从的概率分布，将p(F(x)\|z＝0)设为正常音遵从的概率分布，所述异常音采样单元通过生成遵从以下的式(23)的异常音的音响特征量fks，生成所述异常音的音响特征量， 15.一种异常信号检测装置，检测输入的输入信号是否为异常信号，包括：特征量提取单元，使用特征量提取函数提取所述输入信号的特征量；异常度计算单元，使用提取的所述特征量计算所述输入信号的异常度；以及判定单元，根据得到的所述异常度和阈值，判定所述输入信号是否为异常信号，所述特征量提取函数基于将可包含正常信号以及异常信号的信号模型化后的概率分布、将正常信号模型化后的概率分布、将输入的异常信号模型化后的概率分布，使用从所述正常信号得到的异常度设定所述阈值。 16.一种异常信号检测学习装置，包括：第一函数更新单元，根据变分自动编码器的最佳化指标，更新输入的特征量提取函数以及特征量逆变换函数；特征量提取单元，使用输入的所述特征量提取函数，根据正常信号的学习数据提取正常信号的特征量；正常信号模型更新单元，使用提取的所述特征量更新正常信号模型；阈值更新单元，使用所述正常信号的学习数据以及输入的所述特征量提取函数，求与作为规定的值的伪阳性率ρ对应的阈值以及第二函数更新单元，使用提取的所述正常信号的特征量以及输入的异常信号的特征量，根据由求出的所述阈值决定的内曼皮尔森型最佳化指标，将更新的所述特征量提取函数更新，反复进行将由所述第二函数更新单元更新的特征量提取函数设为输入的、所述第一函数更新单元、所述特征量提取单元、所述正常信号模型更新单元以及所述第二函数更新单元的处理。 17.一种异常音检测方法，检测输入的输入音是否为异常音，包括：音响特征量提取步骤，音响特征量提取单元使用特征量提取函数提取所述输入音的音响特征量；异常度计算步骤，异常度计算单元使用提取的所述音响特征量计算所述输入音的异常度；以及判定步骤，判定单元根据得到的所述异常度和阈值，判定所述输入音是否为异常音，所述特征量提取函数基于将可包含正常音以及异常音的声音模型化后的概率分布、将正常音模型化后的概率分布、将输入的异常音模型化后的概率分布，使用从所述正常音得到的异常度设定所述阈值。 18.一种异常音检测学习方法，包括：第一函数更新步骤，第一函数更新单元根据变分自动编码器的最佳化指标，更新输入的特征量提取函数以及特征量逆变换函数；音响特征量提取步骤，音响特征量提取单元使用输入的所述特征量提取函数，根据正常音的学习数据提取正常音的音响特征量；正常音模型更新步骤，正常音模型更新单元使用提取的所述音响特征量更新正常音模型；阈值更新步骤，阈值更新单元使用所述正常音的学习数据以及输入的所述特征量提取函数，求与作为规定的值的伪阳性率ρ对应的阈值以及第二函数更新步骤，第二函数更新单元使用提取的所述正常音的音响特征量以及输入的异常音的音响特征量，根据由求出的所述阈值决定的内曼皮尔森型最佳化指标，将更新的所述特征量提取函数以及更新的所述特征量逆变换函数的至少一方更新，反复进行将通过所述第一函数更新步骤更新的特征量提取函数以及特征量逆变换函数设为输入的、所述第一函数更新步骤、所述音响特征量提取步骤、所述正常音模型更新步骤以及所述第二函数更新步骤的处理。 19.一种异常信号检测方法，检测输入的输入信号是否为异常信号，包括：特征量提取步骤，特征量提取单元使用特征量提取函数提取所述输入信号的特征量；异常度计算步骤，异常度计算单元使用提取的所述特征量计算所述输入信号的异常度；以及判定步骤，判定单元根据得到的所述异常度和阈值，判定所述输入信号是否为异常信号，所述特征量提取函数基于将可包含正常信号以及异常信号的信号模型化后的概率分布、将正常信号模型化后的概率分布、以及将输入的异常信号模型化后的概率分布，使用从所述正常信号得到的异常度设定所述阈值。 20.一种程序，用于使计算机具有权利要求1至16的任意一项的装置的各单元的功能。
所属类别：	发明专利