シラバス参照
|
シラバス参照
|
| 講義概要/Course Information |
| 科目基礎情報/General Information |
| 授業科目名 /Course title (Japanese) |
センシング工学特論（大学院連携科目） | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Advanced Sensing Technology | ||
| 科目番号 /Code |
GSEb01f GSEb01g | ||
| 開講年度 /Academic year |
2019年度 | 開講年次 /Year offered |
4 |
| 開講学期 /Semester(s) offered |
後学期 | 開講コース・課程 /Faculty offering the course |
|
| 授業の方法 /Teaching method |
単位数 /Credits |
2 | |
| 科目区分 /Category |
|||
| 開講類・専攻 /Cluster/Department |
|||
| 担当教員名 /Lecturer(s) |
高橋 弘太 | ||
| 居室 /Office |
西2-627 | ||
| 公開E-mail |
高橋弘太<kota.t@uec.ac.jp> | ||
| 授業関連Webページ /Course website |
なし | ||
| 更新日 /Last update |
2019/02/27 15:59:40 | 更新状況 /Update status |
公開中 /now open to public |
| 講義情報/Course Description |
| 主題および 達成目標（2,000文字以内） /Themes and goals（up to 2,000 letters） |
学部の「信号処理論」で学んだ理論や技術を，信号の複数チャネル化という方向に 発展させる． 達成目標：講義で紹介する音源定位問題や信号分離問題について，各手法の 本質を理解し，長所と短所を知り，必要なときに適切なアルゴリズムを選べる ようにすること．また，自分でプログラムを組んでシミュレーションを行うこ とができるようになること． Themes: Signal parameter estimation and signal separation Language in lecture: Japanese Teaching methods: Talk with writing on the blackboard |
|---|---|
| 前もって履修 しておくべき科目（1,000文字以内） /Prerequisites（up to 1,000 letters） |
線形代数学，信号処理論． |
| 前もって履修しておくこ とが望ましい科目（1,000文字以内） /Recommended prerequisites and preparation（up to 1,000 letters） |
無し． |
| 教科書等（1,000文字以内） /Course textbooks and materials（up to 1,000 letters） |
教科書は用いない．関連する論文や本を講義の中で随時紹介する． なお、参考文献のリストを講義中に配布する。 |
| 授業内容と その進め方（2,000文字以内） /Course outline and weekly schedule（up to 2,000 letters） |
(a)内容 多チャネル信号処理の代表的な問題である「信号のパラメータ推定問題」と 「信号分離問題」の２理論をとりあげ，信号処理論では触れられなかった技術 や，最新の研究成果を紹介する． 「信号のパラメータ推定問題」では，複数の信号源から放射される信号を複 数のセンサで受信し，受信情報から信号源の位置などのパラメータを推定する 問題を取り上げる．例えば，マイクロホンアレイによる音源定位や，（受動的） ソナーの問題がこれにあたる．本講義では，この問題を解く様々なアルゴリズ ムを，互いに比較しながら紹介していく． 一方の「信号分離問題」は，混合した信号から，原信号の波形を分離する問 題である．この問題は，カクテルパーティー効果（我々人間が，ざわついた部 屋でも個々の声を聞き分けられるという機能）を数理統計理論を駆使して解こ うとする問題として，ここ数年，大きく研究が進歩した分野である．本講義で は，この問題の理論的な基礎と具体的手法を話したい． 第１部 信号のパラメータ推定問題 １．問題設定（第１回）＜データの分析＞， 音源定位問題（第２回）＜複素数と複素平面＞ ２．ビームフォーミング法（第３回）＜図形と方程式＞ ３．スペクトル推定法（第４回），最大エントロピー法（第５回）， ARモデル（第６回） ４．最尤法 （第７回）＜正規分布と多次元の正規分布、尤度関数、対数関数＞ ５．固有空間法（第８回）＜固有値問題＞，MUSIC法（第９回）， MD--MUSIC法（第１０回） ６．ESPRIT法（第11回）＜ベクトルと行列、固有値分解、特異値分解、 一般化最小二乗法＞ ７．WSF法（第12回） 第２部 信号分離問題 １．問題設定，カクテルパーティー効果 （第１３回）＜データの分析＞ ２．信号の独立性に基づく信号分離，信号分離と高次統計量（第１４回） ＜確率論と統計論、正規分布＞ ３．学習による信号分離（第１５回） (b)進め方 問題の基礎として，特異値分解，一般化逆行列，最小２乗法 などの数学理論について，応用的見地からそれら概念の本質的な重要性を理解 してもらうことも目指す． パワーポイントを使った先進的な講義形式が増えていると思うが， 本講義はあえて，黒板を使った講義形式を採用する． 黒板にひとつひとつ式や概念を書きながら，講義者と受講者がひとつひとつの 事項を確認しつつ進めていく講義法は，良い講義法ではなかろうか． そのメリットを活かして，授業中に理解してもらうことをめざしたい． (c)授業時間外の学習 予習、復習をするよりも、授業時間中に気力を集中させて理解してしまうこと。 Part 1 Estimation of signal parameters 1. Problem setting Sound source localization 2. Beam forming method 3. Spectral estimation method , maximum entropy method, AR model 4. Maximum likelihood method 5. Eigenspace method, MUSIC method, MD-MUSIC method 6. ESPRIT method 7. WSF method Part 2 Signal separation 1. Problem setting, cocktail party effect 2. Signal separation based on independence, signal separation and higher order statistics 3. Signal separation by learning algorithm |
| 実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience |
|
| 授業時間外の学習 （予習・復習等）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters） |
予習は不要．復習に時間を割いて欲しい．１回の講義に対して１時間程度の復習をすすめる．また，レポート作成時にも復習を行うことになるであろう． |
| 成績評価方法 および評価基準 （最低達成基準を含む） （1,000文字以内） /Evaluation and grading （up to 1,000 letters） |
講義で紹介したアルゴリズムを用いて， 実際の視聴覚データに対し信号 分離を試みてもらうなど，諸君にとっても，採点者にとっても 興味深いも のにする予定である． 最低達成基準を明確に記述した課題を，学期末に与える． その基準を満たしたレポートが提出された場合に単位を与える。 |
| オフィスアワー： 授業相談（1,000文字以内） /Office hours（up to 1,000 letters） |
水曜４限．西２ー６２９．ただし，今後，変更の可能性もあるので， メイルで時間の問い合わせをして下さい． 短い質問は授業終了後も歓迎します． |
| 学生へのメッセージ（1,000文字以内） /Message for students（up to 1,000 letters） |
大学院生にもなれば，もはや「教室に座って講義を聞く」などという受け身 の勉強方法に重点をおくのは望ましくないとの考えかたもあろう．私もその考 え方に賛成である．したがって，講義は，自主的に勉強するための「きっかけ」， または，すでに勉強したことの「整理」と，とらえて欲しい．本講義が信号処 理の先端技術を勉強するきっかけになれば，あるいは，紹介する手法，または 用いた考え方が，諸君の研究活動に役立てば幸いである． |
| その他 /Others |
無し． |
| キーワード /Keywords |
到来方向推定，固有空間法，ＭＵＳＩＣ法，ＥＳＰＲＩＴ法，ビームフォーミング，信号分離，独立成分分析 |