我々は，一般的な音響信号を対象とした，深層学習に基づくモノラルチャネルの音源分離に取り組む．現状，学習に用いる混合信号の合成方法について議論されていない．そのため，分離が事実上不可能な単一音源と見做せる組を許容しており，モデルの分離精度を低下させている．本研究では，混合信号の合成に用いる信号の組を選択する．具体的には，混合する信号の周波数基底およびそのアクティベーションを抽出し，コサイン類似度を測る．類似度が閾値を超えた場合，その組を学習データから除外する．分離時の信号対歪み比を比較し，提案手法の有効性を評価する．