论文部分内容阅读
不同位置的声信号经房间混响，可由传声器接收到经不同通道线性滤波的多个声信号的混合信号。盲分离(BSS)，是指在对通道以及源信号的信息量有限，甚至一无所知的情况下，从混合信号中估计混合通道或其逆通道，进而分离、提取源信号的方法。盲分离算法被广泛应用于语音分离、信息提取、医学成像(EEG)、通信中的信道盲估计(CDMA/WCDMA)及多用户检测等领域。
带卷积的盲分离问题与瞬时盲分离问题相比，由于所需估计系数较多，而对源信号及混合通道的信息掌握较少，至今仍未得到很好的解决。本文通过分析盲分离方法的物理本质，寻找源信号及混合通道的隐藏信息，提出了两种改进方法。第一种方法验证了频域盲离方法与自适应波束形成方法具有共同的理论解，提出在检测出单声源发声时段(波束形成的条件)后，利用块仿射算法估计相应的分离滤波器。此时由于所需估计的滤波器系数减少，分离效果显著提高、鲁棒性增强，同时具有很好的跟踪性能与抗噪声干扰能力。第二种方法首先从物理图像的角度解释了联合对角化方法实现非平稳混合信号分离的本质，然后提出了利用房间脉冲响应初始化并约束代价函数优化的方法。这个方法很好的抑制了频域算法中的缩放问题，从而加快了算法的收敛速度，提高了信扰比。