音の利用の基本と故障検知・予知及び雑音除去技術

再開催を依頼する / 関連するセミナー・出版物を探す
オンライン 開催

本セミナーでは、ディジタル信号処理の基礎から音の特徴量の求め方、ノイズ除去の方法、音の故障検知への利用、故障予知への発展方法について、事例を交えて解説いたします。

日時

開催予定

プログラム

画像処理やコンピュータビジョンにおけるAI技術の成功から、次は音の利用だ、という流れができつつあります。特に、これまで産業界から重大な問題であると認識されていたにも関わらず、実際には人間の手に頼らざるを得なかった、機械の故障検知や故障予知の問題に、音が有効に利用できる可能性が出てきました。  本セミナーでは、講師のこれまでの音声研究のノウハウと、各種企業との共同研究の経験値を組み合わせ、音が故障検知や故障予知にどのように利用できるかを説明します。ディジタル信号処理の基礎から、音の特徴量の求め方までを平易に解説した後、それらの故障検知への利用方法、およびその故障予知への発展の方法について、可能なアプローチをご紹介します。また、実際の環境音、騒音などを鑑みて、比較的平易に取り組める雑除去手法の紹介も行います。共同研究を実施してきた経験から、特徴量ベースの方法と学習ベースの方法の二つを軸に、特徴量の計算として、パワー、スぺクトル、メル周波数、線形予測、ケプストラム、ウェーブレット等、また学習ではCNNを中心に、最適な方法の導出の考え方について、また最近の動向に触れ、異常データが少ない場合の対策 (MT法、AE法等) をも説明する予定です。我々の経験方法にも言及します。事例紹介を含め、これからの音応用のイメージを膨らませて頂くことを目指します。

  1. はじめに
    1. 正常音と異常音
    2. 音による情景分析
    3. 音研究の歴史と最近の動向
  2. 音信号の基礎
    1. ディジタル化
    2. 信号とフィルタ
    3. フーリエ変換、パワースペクトルの計算方法
    4. 音の特性
    5. 故障検知・予知のねらい
  3. 音の特徴量
    1. パワー、周期
    2. スペクトル
    3. ケプストラム、メルケプストラム
    4. 線形予測係数
    5. ウェーブレット
  4. 故障検知の方法
    1. マイクの設置方法
    2. 距離尺度の利用
    3. ニューラルネットワークの利用
    4. 異常データが少ない場合の対策
    5. 事例紹介
  5. 故障予知の方法
    1. 時系列情報の利用
    2. 故障検知方法の有効利用
    3. 最近の試み
  6. 雑音除去技術
    1. スペクトル引き算
    2. ウィナーフィルタ
    3. 複数マイクの利用
    4. 高雑音対策

受講料

複数名受講割引

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

ライブ配信セミナーについて