@techreport{oai:ipsj.ixsq.nii.ac.jp:00055910,
 author = {亀岡, 弘和 and 西本, 卓也 and 嵯峨山, 茂樹 and Hirokazu, Kameoka and TakuyaNishimoto and ShigekiSagayama},
 issue = {82(2005-MUS-061)},
 month = {Aug},
 note = {本報告では、多重音信号から各音源の音響特徴量（音高、強度、オンセット、音調、音色など）を同時に推定する新しい方法「調波時間構造化クラスタリング（Human-Temporal structured Clustering: HTC）」を提案する。音楽の音響特徴量抽出は、音楽ジョウホウ処理分野の中でも近年研究者間で特に関心が高まっている音楽情報検索において極めて重要な要素技術である。HTCは、時間周波数平面に拡散（漏洩）した観測エネルギーパターン（i.e.  パワースペクトルの時系列）を、一つの音源の一連の音響イベントに帰属する個別のエネルギーパターンに分解し、クラスタ化するという考え方に基づいている。このクラスタリングはEMアルゴリズムと同形として理解でき、スペクトルの時間周波数構造モデル（HTM）を複数加算重畳した分布と観測パワースペクトル時系列分布との大域的な近似問題に数学的に等価となる。このモデルをガウス基底関数で構成し、EMアルゴリズムにおけるパラメータ交信式を解析的に導出する。実音楽信号をテストデータとした評価実験で、HTCの高い性能と効果を確認した。, This paper proposes harmonic-temporal structured clustering (HTC) method, that allows simultaneous estimation of pitch, intensity, onset, duration, etc., of each underlying source in multi-stream audio signal, which is expected to be an effective feature extraction for music information retrieval (MIR) systems. HTC decomposes energy diffused in time-frequency space, i.e., a time series of power spectrum, into distinct clusters such that each is originated from a signal sound stream. It becomes clear that the problem is equivalent to geometrically approximating the observed time series of power spectrum by superimposed harmonic-temporal structured models (HTMs), whose parameters are directly associated with the acoustic features. The update equations of EM algorithm for the optimal parameter convergence are derived by formulating the model with Gaussian kernel representation. The experiment showed promising results, and verified the potential of the proposed method.},
 title = {調波時間構造化クラスタリング（HTC）による音楽音響特徴量の同時推定},
 year = {2005}
}