本发明专利技术提供异常声音探测装置、异常声音生成装置、异常数据生成装置、异常模型学习装置、异常声音生成方法以及记录介质，该异常声音探测装置包括：模型存储单元，存储将预先准备的异常声音数据建模后的概率分布即第1异常模型和将与所述异常声音数据不同的异常声音即追加异常声音建模后的概率分布即第2异常模型；异常度获取单元，对于输入的对象声音数据，组合所述第1异常模型和所述第2异常模型来计算异常度；以及状态判定单元，将所述异常度与规定的阈值比较，判定所述对象声音数据是正常声音还是异常声音。音还是异常声音。音还是异常声音。
【技术实现步骤摘要】
异常声音探测装置、异常声音生成装置及异常声音生成方法
[0001]本申请是申请日为2018年08月24日、申请号为201880057321.1、专利技术名称为“异常声音探测装置、异常模型学习装置、异常探测装置、异常声音探测方法、异常声音生成装置、异常数据生成装置、异常声音生成方法以及程序”的专利技术专利申请的分案申请。
[0002]本专利技术涉及判定监视对象为正常的状态还是异常的状态的异常探测技术。
技术介绍
[0003]工厂等中设置的大型的制造机或造型机等业务用设备，仅由于故障而停止运转，并对业务造成很大的阻碍。因此，需要日常地监视其动作状况，在发生异常后立即进行应对。作为解决方案，有业务用设备的管理业者定期地向现场派遣保养员，确认部件的磨损等方法。但是，由于花费极大的人工费或移动费、劳动力，所以难以在全部业务用设备或工厂中实施该方法。作为其解决手段，有在业务用设备的内部设置话筒，日常地监视其动作声音的方法。在该方法中，分析用话筒拾音的动作声音，在发生了被认为异常的声音(以下，称为“异常声音”)后，探测它，通过发出警报，解决上述的问题。这样，利用声音来判定监视对象是正常的状态还是异常的状态的技术称为异常声音探测。
[0004]对每个设备的种类或个体设定异常声音的种类和检测方法需要花费成本。因此，希望可以自动设计探测异常声音的规则。作为其解决方法，已知基于统计的方法的异常声音探测(例如，参照非专利文献1)。基于统计的方法的异常声音探测可以大致分为有监督异常声音探测和无监督(unsupervised)异常声音探测。在有监督异常声音探测中，大量收集正常声音和异常声音的学习数据，学习识别器，以将其识别率最大化。另一方面，在无监督异常声音探测中，学习正常声音的学习数据的特征量的概率分布(正常模型)，若新收集的声音与正常模型类似(若似然度高)则判定为正常，若不类似(若似然度低)则判定为异常。在产业的应用中，因为难以大量收集异常声音的学习数据，所以在多数情况下，采用无监督异常声音探测。
[0005]现有技术文献
[0006]非专利文献
[0007]非专利文献1：井出剛、杉山将、“異常検知
と
変化検知”、講談社、pp.6
‑
7、2015年
技术实现思路
[0008]专利技术要解决的课题
[0009]若运用异常声音探测系统，有时偶尔会遗漏异常声音。若放任遗漏，则有可能导致重大的事故，所以这里需要使用收集到的异常声音，更新异常声音探测系统，以便不再次遗漏相同的异常声音。但是，得到的异常声音的数据量显著少于正常声音的数据量，仍然难以适用监督式异常声音探测。
[0010]本专利技术的目的是，鉴于上述那样的问题点，使用得到的少量异常声音数据，提高无
监督异常声音探测的精度。
[0011]用于解决课题的手段
[0012]为了解决上述的课题，本专利技术的第一方式的异常声音探测装置包括：存储用正常声音数据学习的正常模型和用异常声音数据学习的异常模型的模型存储单元；对于输入的对象数据，使用正常模型和异常模型计算异常度的异常度获取单元；以及将异常度与规定的阈值比较，判定对象数据是正常还是异常的状态判定单元。该异常模型将至少使用正常模型对多个异常声音数据的每一个算出的异常度的最小值决定为学习时阈值，使用多个正常声音数据、异常声音数据和学习时阈值，决定权重，使得全部异常声音数据被判定为异常、正常声音数据被判定为异常的概率为最小。
[0013]为了解决上述的课题，本专利技术的第二方式的异常模型学习装置包括：用使用正常声音数据学习的正常模型和表现了异常声音数据的异常模型，对多个异常声音数据的每一个计算异常度，将其最小值决定为阈值的阈值决定单元；使用多个正常声音数据、异常声音数据和阈值，更新异常模型的权重，使得全部异常声音数据被判定为异常、正常声音数据被判定为异常的概率为最小的权重更新单元。
[0014]为了解决上述的课题，本专利技术的第三方式的异常探测装置包括：存储用正常时的时间序列数据即正常数据学习的正常模型和用异常时的时间序列数据即异常数据学习的异常模型的模型存储单元；对于输入的对象数据，使用正常模型和异常模型计算异常度的异常度获取单元；以及将异常度与规定的阈值比较，判定对象数据是正常还是异常的状态判定单元。该异常模型将至少使用正常模型对多个异常数据的每一个算出的异常度的最小值决定为学习时阈值，使用多个正常数据、异常数据和学习时阈值，决定权重，使得全部异常数据被判定为异常、正常数据被判定为异常的概率为最小。
[0015]为了解决上述的课题，本专利技术的第四方式的异常声音探测装置包括：存储将预先准备的异常声音数据建模的概率分布即第1异常模型、以及将与异常声音数据不同的异常声音即追加异常声音建模的概率分布即第2异常模型的模型存储单元；对于输入的对象声音数据，组合第1异常模型和第2异常模型，计算异常度的异常度获取单元；以及将异常度与规定的阈值比较，判定对象声音数据为正常声音还是异常声音的状态判定单元。
[0016]为了解决上述的课题，本专利技术的第五方式的异常声音生成装置，至少基于得到的异常声音，生成虚拟异常声音，该异常声音生成装置包括：从得到的异常声音或者基于得到的异常声音的值，得到异常声音遵循的概率分布即异常分布的异常分布获取单元；以及生成虚拟异常声音，使得从异常分布生成的概率高，并且从正常声音遵循的概率分布生成的概率低的异常声音生成单元。
[0017]为了解决上述的课题，本专利技术的第六方式的异常数据生成装置至少基于得到的异常数据，生成虚拟异常数据，所述异常数据生成装置包括：从得到的异常数据或者基于得到的异常数据的值得到异常数据遵循的概率分布即异常分布的异常分布获取单元；以及生成虚拟异常数据，使得从异常分布生成概率高，并且从正常数据遵循的概率分布生成的概率变低的异常数据生成单元。
[0018]为了解决上述的课题，本专利技术的第七方式的异常模型学习装置包括：从得到的异常声音或者基于得到的异常声音的值得到异常声音遵循的概率分布即异常分布的异常分布获取单元；生成虚拟异常声音，使得从异常分布生成的概率高，并且从正常声音遵循的概
率分布生成的概率变低的异常声音生成单元；设定阈值，使得从虚拟异常声音算出的全部异常度被判定为异常的阈值设定单元；以及使用得到的正常声音、得到的异常声音或者基于得到的异常声音的值、以及阈值，更新异常模型的参数，使得将异常声音可靠地判定为异常，并且将正常声音判定为异常的概率最小的模型更新单元。
[0019]专利技术的效果
[0020]根据本专利技术的异常声音探测技术，使用得到的少量异常声音数据全部为异常，大量的正常声音数据被误判定为异常的概率为最小的异常模型进行异常声音探测，所以无监督异常声音探测的精度提高。
附图说明
[0021]图1是用于说明以往的无监督异常声音探测的图。
[0022]图2是表示以往的无监督异常声音探测的概念的图。
[0023]图3是表示本专利技术的无监督异常声音探测的概念的图。<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种异常声音探测装置，包括：模型存储单元，存储将预先准备的异常声音数据建模后的概率分布即第1异常模型和将与所述异常声音数据不同的异常声音即追加异常声音建模后的概率分布即第2异常模型；异常度获取单元，对于输入的对象声音数据，组合所述第1异常模型和所述第2异常模型来计算异常度；以及状态判定单元，将所述异常度与规定的阈值比较，判定所述对象声音数据是正常声音还是异常声音。2.如权利要求1所述的异常声音探测装置，为了得到可将所述追加异常声音全部判定为异常的概率分布，所述第2异常模型被具有权重地建模，使得对于所述追加异常声音算出的异常度越小，对与该追加异常声音类似的数据给予的权重越大，所述阈值被设定，使得将全部所述追加异常声音判定为异常声音。3.一种异常声音生成装置，其至少基于得到的异常声音，生成虚拟异常声音，该装置包括：异常分布获取单元，从所述得到的异常声音或者基于所述得到的异常声音的值，得到异常声音遵循的概率分布即异常分布；以及异常声音生成单元，生成所述虚拟异常声音，使得从所述异常分布生成的概率高，并且从正常声音遵循的概率分布生成的概率低。4.如权利要求3所述的异常声音生成装置，基于所述得到的异常声音的值是，基于异常模型和所述得到的异常声音得到的值，所述异常模型被优化，使得将异常声音可靠地判定为异常、并且将正常声音判定为异常的概率最小。5.如权利要求4所述的异常声音生成装置，所述异常模型被定义作为计算所述得到的异常声音、和判定是正常声音还是异常声音的对象的声音即观测声音的加权类似度的函数。6.如权利要求3至5的任意一项所述的异常声音生成装置，所述异常声音生成单元，将～设为从概率分布生成虚拟随机数的运算符，将Categorical设为类别分布，将N设为所述得到的异常声音的数，将n设为从1至N的各整数，将g
n
设为对第n个所述得到的异常声音给予的权重，将y
i，d
设为第i个所述得到的异常声音的第d维的值，将λ
i，...
【专利技术属性】
技术研发人员：小泉悠马，河内祐太，原田登，齐藤翔一郎，中川朗，村田伸，
申请(专利权)人：日本电信电话株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。