文献

J-GLOBAL ID：201902284443154626   整理番号：19A1317766

階層ベイズモデルにおけるGibbsサンプリングによるエンジン騒音分離【JST・京大機械翻訳】

Engine noise separation through Gibbs sampling in a hierarchical Bayesian model

著者 (5件)： Brogna G. (Univ Lyon, INSA-Lyon, Laboratoire Vibrations Acoustique, F-69621 Villeurbanne, France) ,  Brogna G. (Groupe PSA, Scientific and Future Technologies Department/StelLab, Route de Gisy, 78943 Velizy-Villacoublay cedex, France) ,  Antoni J. (Univ Lyon, INSA-Lyon, Laboratoire Vibrations Acoustique, F-69621 Villeurbanne, France) ,  Leclere Q. (Univ Lyon, INSA-Lyon, Laboratoire Vibrations Acoustique, F-69621 Villeurbanne, France) ,  Sauvage O. (Groupe PSA, Scientific and Future Technologies Department/StelLab, Route de Gisy, 78943 Velizy-Villacoublay cedex, France)
資料名： Mechanical Systems and Signal Processing  (Mechanical Systems and Signal Processing)
巻： 128  ページ： 405-428  発行年： 2019年 
JST資料番号： T0514A  ISSN： 0888-3270  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 階層的Bayesモデルに基づくアルゴリズムを導入して,時間と周波数において非常に重複しているソースを分離して,相関参照を通して観察した。この方法を,異なる物理的起源による寄与を分離する目的で,内燃機関(IC)エンジン信号に適用した。結果を古典的Wienerフィルタによって提供されたものと比較した。Bayes文脈は,Bayes事前法則の形式におけるいくつかの正規化事前情報を提供する可能性により,ソースの同定可能性に関する結果を考慮しない相関参照を考慮することができる。さらに,推定されたソースに関する信頼区間は,採用されたサンプリング戦略から直接導き出される。最後に,提案したアルゴリズムを2009年にPrubostによって提案された古典的および周期的Wienerフィルタの加重和として書き換えることができる簡単な事例において示した。それに対して,現在のアルゴリズムは,解析した信号の特性に依存して,自律的に一つまたは他を選択する。開発状況がICエンジンにおけるソースの分離であるとしても,提示した方法は一般的であり,任意のソース分離問題に適用できる。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 正規化 ,  Wienerフィルタ ,  信頼区間 ,  *アルゴリズム
準シソーラス用語： 自律性 ,  加重 ,  事前知識 ,  Bayes法 ,  *エンジン騒音 ,  *Gibbsサンプリング ,  *階層Bayesモデル , 【Automatic Indexing@JST】

著者キーワード (4件)： 参照源分離 ,  Bayes計算 ,  階層的モデリング ,  エンジン騒音

分類 (4件)： 梁,桁  (HD03020H) ,  振動の励起・発生・測定  (BB02030Z) ,  軸受  (QB01020W) ,  曲板  (HD03070K)

タイトルに関連する用語 (3件)： 階層ベイズモデル ,  Gibbsサンプリング ,  エンジン騒音