保持的各監(jiān)控對象運轉部的傳遞函數(shù)的數(shù)據(jù)構造。如 圖10所示，在登記成分DB407中，針對每個監(jiān)控對象運轉部登記有傳遞函數(shù)bj(f)。若設定Lm 為監(jiān)控對象運轉部的數(shù)量，則bj(f)是第j個監(jiān)控對象運轉部的頻率f的傳遞函數(shù)，由傳感器 元件數(shù)量的要素構成。使用下式(3)來判斷與Ri(f)的一致度。
[0091][式 3]
[0093] 這里，trace是計算矩陣的跡的運算符。H是取矩陣或向量的埃爾米特轉置的運算 符。針對每個監(jiān)控對象運轉部(針對每個j)，選擇式(3)變?yōu)樽畲蟮闹芷诔煞?，該周期成分?為第j個監(jiān)控對象運轉部的周期成分被寫入到正常成分DB405中。
[0094] 〈正常成分DB>
[0095]圖11是表示寫入到正常成分DB405中的、來自監(jiān)控對象運轉部的信號的數(shù)據(jù)表的 結構的圖。在該表中，針對每個監(jiān)控對象運轉部，登記有傳遞函數(shù)aj(f)。
[0096]傳遞函數(shù)aj(f)也可以作為bj(f)而登記，也可以作為被選擇為第j個監(jiān)控對象運 轉部的周期成分的協(xié)方差矩陣RKf)的第一固有向量而登記。通過作為RKf)的第一固有向 量進行登記，能夠登記包含測量裝置內的回聲、混響的影響等、在裝置設計時的物理模擬中 無法事先得知的影響的傳遞函數(shù)，并能夠期待提高異常判定處理的判定精度。
[0097]此外，在正常成分DB405中登記周期成分的概率分布Pj(X)。該概率分布Pj(X)是表 示來自監(jiān)控對象運轉部的正常成分的信號的正常范圍的信息，使用其來進行異常判定。此 外，這里，周期成分的概率分布是指以概率方式表現(xiàn)出周期成分的特征量的變動的模型，設 X為音響性特征量。作為概率分布，能夠使用本領域技術人員周知的混合正態(tài)分布等、到目 前為止作為異常檢測法使用的各種分布。此外，將從各周期成分的分離信號ci(f，i)求出的 MFCC(Mel頻率倒頻譜系數(shù)(Mel Frequency Cepstrum Coefficients))、全部頻率以及全部 幀的ci(f，T)或其音量向量化而作為音響特征量X使用。也就是說，通過從輸入信號的周期 成分ci(f，T)提取成為聲音特征的成分，并檢查成為該聲音特征的成分成為了怎樣的分布， 能夠求取概率分布pj(X)。
[0098] 此外，為了根據(jù)數(shù)據(jù)求取GMM(高斯混合模型(Gaussian Mixture Model))等概率 分布，為了計算統(tǒng)計量，需要多次的測量。這種情況下采用如下結構：多次執(zhí)行異常檢測程 序501，將作為第j個監(jiān)控對象運轉部的信號而檢測出的周期成分看作為多次的測量，根據(jù) 數(shù)據(jù)求取GMM的概率分布。
[0099] 傳遞函數(shù)bj(f)可以采用由初始設定用用戶界面(參照圖5)設定的結構。此外，根 據(jù)監(jiān)控對象運轉部和傳感器的相對位置關系，生成信號從監(jiān)控對象運轉部傳遞到傳感器時 的傳遞函數(shù)，并將該傳遞函數(shù)作為bj(f)而賦予。例如，在麥克風中存在測量傳感器的情況 下可以采用如下結構:根據(jù)能夠使振幅與監(jiān)控對象運轉部和傳感器的距離的平方成比例地 衰減并以聲速除距離而求取傳遞函數(shù)的時間延遲，來求出bj(f)，其中，該傳遞函數(shù)是信號 從監(jiān)控對象運轉部傳遞到傳感器時的函數(shù)。對于通過根據(jù)設計信息對振動和變形 (distort ion)進行物理模擬來求取傳遞函數(shù)的結構，存在本領域技術人員公知的多種方 法，然而，可以廣泛應用這些方法來求取bj(f)。此外，調整bj(f)的大小以使向量bj(f)的大 小(平方范數(shù))為1。
[0100]〈周期成分/非周期成分學習部的內部結構〉
[0101]圖12是表示周期成分/非周期成分學習部403的內部的結構框圖。
[0102]周期成分/非周期成分學習部403具有：多個每頻率周期成分/非周期成分學習部 802-1至802-k、以及序列解決部803。
[0103]每頻率周期成分/非周期成分學習部802-1-_k，將在時間頻率域中測量到的傳感 器信號x(f，T)針對每個頻率f分離為周期成分和非周期成分。由于傳感器信號按照每個頻 率隨時間變動，且周期也根據(jù)每個頻率而不同（參照圖3)，因此分割為多個頻帶地進行學 習。按照每個頻率來學習周期成分和非周期成分，是本發(fā)明的特征之一。
[0104] 此外，在該分離處理中，無法事先設計周期成分或非周期成分成為何種索引，針對 每個頻率取任意值。例如，頻率1中的第1索引的周期成分和頻率2中的第1索引的周期成分 可能是來自完全不同的信號源的信號。
[0105] 因此，序列解決部803對索引實施更換處理使若分離出的頻率成分的索引相同則 成為來自相同信號源的信號。由于從同一運轉部輸出多個頻率成分，因此需要將各成分與 運轉部對應。序列解決處理是公知的，若是本領域技術人員就都能夠實施，例如，執(zhí)行關聯(lián) 索引的處理以使每幀的音量vi (f，τ)的幀方向的相關性變高(從同一運轉部輸出的各頻率 成分的相關性高，因而進行對應），由此，可實施適當?shù)乃饕鼡Q。即使序列解決部803的輸 出信號是不同頻率，也能夠期待若索引相同則為來自相同信號源的信號。
[0106] 〈每頻率的頻率成分/非周期成分學習處理的細節(jié)〉
[0107] 圖13是用于說明由每頻率的周期成分/非周期成分學習部802執(zhí)行的處理細節(jié)的 流程圖。為了從輸入信號分離周期成分和非周期成分，需要用于進行分離的參數(shù)(例如，強 度信息、在哪個時間段哪個頻率成分變大的信息）。但是，為了取得該參數(shù)首先必須分離輸 入信號。根據(jù)分離出的信號，學習某頻率成分在某時間段上變大/變小。由于這樣的學習無 法在一次處理中結束，因此，執(zhí)行圖13所示的這樣的處理。
[0108] 中央運算裝置201開始根據(jù)在時間頻率域測量出的傳感器信號X(f，T)來學習各周 期成分和非周期成分的處理(S1101)。
[0109] 此外，中央運算裝置201設定臨時參數(shù)(S1102)。在該臨時參數(shù)設定處理中，最初設 定合適的參數(shù)(隨機）。由于是隨機參數(shù)，因此，雖然精度不高然而可以說與輸入信號相比精 度得到改善。更具體地，首先，將預先設定的周期成分和非周期成分各自的數(shù)量作為設定值 讀出。此外，各周期成分的周期作為控制周期的整數(shù)倍，也針對該各周期成分的周期從設定 值讀出。以相同索引i表示各周期成分、非周期成分。此外，將各周期成分、非周期成分的時 間頻率的音量vi (f，T)設定為1，作為埃爾米特隨機矩陣賦予協(xié)方差矩陣Ri (f，T)。這里，設 Ri(f，τ)為M行M列的矩陣。此外，設vi(f，τ)為標量值。
[0110]然后，中央運算裝置201根據(jù)vi(f，i)和Ri(f，i)，分離并提取各周期成分、非周期 成分(S1103)。這里，設τ為1至LLt。此外，使用多通道維納濾波器來執(zhí)行分離提取。具體地， 通過(^^1)="^1)以11)來求取分離信號(^^1)。此外，利用式(4)表示虹^1)，并 利用式(5)表示維納濾波器wi(f，i)。此外，在S1103中，中央運算裝置201通過式(6)計算平 方誤差(Square error)。式(6)中，設I為M行M列的單位矩陣。
[0111][式 4]

[0117] 接著，中央運算裝置201使用式(7)來更新分離參數(shù)更新（S1104)。式(7)是最大似 然估計的式子。也就是說，在本發(fā)明中，使用周期性信息進行最大似然估計是特征之一。
[0118] [式 7]
[0119] Vi (f, τ) = trace (Ri (f, τ )_1Rci (f ^ τ) · · · (7)
[0120]此外，在S1104中，第i個信號是周期成分，在設該周期為Lt的情況下，中央運算裝 置201使vi (f，τ)變形。具體地，首先，針對一周期內的每個時間區(qū)間r，求取τ = Lt*n+r (η為 任意自然數(shù))的τ的集合T(r)。然后，針對T(r)中包含的τ，求取vi (f，τ)的平均值，并設其為 "^0。然后，針對1'(〇中包含的1，設"^1)="^〇。此外，通過式(8)求取協(xié)方差矩 陣Ri(f，i)(進行更新）。
[0121][式 8]
[0123] 然后，中央運算裝置201檢查執(zhí)行分離參數(shù)更新的次數(shù)是否達到了預先確定的預 定次數(shù)，或者，通過式(6)計算出的平方誤差是否小于預定值，在達到了預定次數(shù)的情況下 或者平方誤差小的情況下，判定為學習結束（S1105)。在判定為結束的情況下，處理前進到 學習結束的設定(SI 106)，并結束學習。在未判定為結束的情況下，處理轉移到實施分離處 理（S1103)。
[0124] 如上述，在該學習處理中，通過交互地執(zhí)行周期成分和非周期成分的分離和參數(shù) 更新，提高了分離的精度。
[0125] 〈異常檢測程序的結構〉
[0126] 圖14是表示異常檢測程序600的結構框圖。異常檢測程序由檢測異常的異常檢測 處理501、將檢測出的異常發(fā)送到監(jiān)視服務器211的檢測結果發(fā)送處理601而構成。
[0127] 圖15是表示異常檢測處理501的詳細結構框圖。異常檢測處理501與圖7所示的學 習程序400是相同的結構，因此省略重復的說明。此外，異常檢測處理501中不必將LLt設定 為與學習程序400相同的值，設為測量裝置的控制周期的自然數(shù)倍。
[0128] 首先，周期成分/非周期成分分離部502使用周期成分統(tǒng)計量DB404(與監(jiān)控對象運 轉部對應地登記全部頻帶的周期成分）中登記的周期成分的統(tǒng)計量，分離周期成分和非周 期成分。使分解后的周期成分ci(t)的音量在時間頻率方向上平均化后的平均音量與x(t) 在時間頻率方向上平均化后的平均音量相比，在一定比例以下的情況下，視為該周期成分 不存在。通過實施該處理，即使實際存在的周期成分的數(shù)量少于預先設定的周期成分的數(shù) 量，也能夠提取適合于實際周期成分數(shù)量的周期成分。
[0129] 異常判定部503利用正常成分DB405中登記的監(jiān)控對象運轉部的信息，判定提取出 的周期成分是否包含異常。也就是說，根據(jù)監(jiān)控對象運轉部的概率分布Pj(X)，檢查提取出 的周期成分的偏離度，根據(jù)偏離度是否大于預定值來執(zhí)行異常判定