基于最小体积约束的频域卷积盲源分离

频域盲源分离算法多数基于窄带假设，该假设在长混响环境下不成立。基于卷积传递函数（Convolutive Transfer Function, CTF）的多通道非负矩阵分解（Multichannel Nonnegative Matrix Factorization, MNMF）方法不依赖窄带假设，在长混响环境下的分离性能较其他传统算法有显著提升。但是，非负矩阵分解（NMF）对源信号功率谱进行近似估计在大多数情况下是病态的，其最优解不唯一。本文提出了一种基于最小体积约束的频域卷积盲源分离方法，在多通道非负矩阵分解（CTF-MNMF）的目标函数中，引入NMF基矩阵的最小体积约束来提高问题的适定性和求解参数的可辨识性。采用Majorization-Minimization (MM)优化方法对最小体积约束的目标函数进行求解，导出了估计参数的闭式解。仿真实验表明，在长混响环境下，所提方法比CTF-MNMF具有更好的分离性能。