log dead field

[PR]

2024/04/25 (Thu.)

パーティクルフィルタ

  どうも、abeです。最近堕落しつつあり、非常にまずいです。というわけで少し真面目な話題でも。

  今日は電気通信学会中国支部・学生向け講演「パーティクルフィルタ ～コンピュータを駆使した新しい信号処理手法」＠学術交流ラウンジ（情報棟別館6階）を聴きに行ってまいりました。

  パーティクルフィルタというのはカルマンフィルタの拡張版みたいなもので、非線形システムの状態推定に用いられるそうです。つまり挙動が不安定だったりモデルが複雑だったりノイズまみれだったりするモノの予測がわりと簡単に出来るんですね。ボクの解釈が正しければ。自動追跡とかパターン認識とかに使われるみたいです。

  パーティクルフィルタの特徴は、カルマンフィルタでは対応できないような強い非線形性を持つシステムにも適用できる、ということらしいです。適用対象の確率分布がガウス分布に従ってなくてもいいんだって。連続関数で表せないような複雑な時変確率分布にも、パーティクルを捲いて観測値をフィードバックしながら重みを更新していくことで追従できる……みたいな感じでした（雰囲気）。正味な話、よくわかんないや。ついてけない。

  しかし最適フィルタで複雑なモデルを近似・予測するっていうのは音楽に応用できそうですよねぇ。たとえば和声進行を生成するとか。
  S→Dと来たら多くの場合Tが来てほしいわけですが、Sで偽終始という選択もあるし、他の選択も許されるかもしれない。和声法には様々な良い例外があるので、人間にとって心地よい和声進行を作る生成規則としては不十分なわけです。そこで最適フィルタ。和音の変化を確率過程で表現し、アリな進行には高確率の重みを与え、無いわ～な進行は低確率にする。この重みはニューラルネットワーク的な学習によって定めればいいんじゃないですかね。
  と思ったらもう既にありました似たような研究が。隠れマルコフモデルを用いたハーモナイズみたいなのが。「和声　状態遷移」などで検索してみてください。

  別の視点からだと、合奏における指揮者の打点の予測もカルマンフィルタ以前のウィナーフィルタでモデル化できるでしょうし、アンサンブルの奏者間同期もやはり最適フィルタの枠組みで説明されるんでしょうね。

  というわけで寝ます。さよなら。

2009/05/27 (Wed.) Trackback() Comment(2) 大学院・研究生活