一种前馈结构的卷积混合盲分离算法

1998年，Torkkola提出了反馈分离结构的信息最大化算法，该算法对应于稳定的IIR滤波器。只能用于最小相位混合。而真实的环境往往包括非最小相位传输系统。本文在分析反馈分离算法的基础上，提出了一种在频域上用前馈结构的信息最大化算法，该算法对应于非因果FIR滤波器。为非最小相位系统的盲分离问题提供了一个解决方案。最后，我们将演示用这种方法分离实际环境下的两个自然信号。     

基于时频分布的非平稳信号盲分离算法

针对传统的盲源分离方法往往忽略信号非平稳性的问题,基于从瞬时线性混合模型的观测信号中分离出相互独立的源信号,并针对信号具有非平稳性,结合时频分析和盲源分离各自的特点,对非平稳信号盲分离进行了研究,并提出了一种新的具有不同空间时频分布的非平稳盲分离算法.仿真实验表明,通过采用维纳全时频域搜索来寻找局部最大值的平滑伪Wigner-Ville分布,该算法可以抑制交叉项而且能够保持时频聚集性,并达到了很好的分离效果.     

一种新的卷积混合信号的盲分离算法

研究了一种新的线性卷积混合信号的盲分离算法。该算法通过计算预白化观测数据的零时延和多时延自相关协方差矩阵,获得了多时延处理的二阶解相关统计信息。利用得到的二阶统计信息构建了两个对称正定矩阵,通过使用Cholesky分解和奇异值分解等一系列变换,得出了惟一存在的矩阵。理论分析表明,该矩阵可以使两个正定矩阵同时精确对角化。计算机仿真表明,该算法与已有算法相比,运算时间短,盲分离性能更优。     

主动声纳的时频盲分离算法研究

主动声纳目标探测中,水雷等浅海安静型小目标声散射回波受海洋环境干扰严重,影响对目标特征的准确提取与识别,探测可靠性低.针对上述问题,研究一种结合形态学滤波的时频域盲分离算法,根据主动声纳回波中目标与混响的时频特征差异,设计形态学结构元的几何结构,滤除与目标谱不重叠的混响及互项干扰,再利用波形聚类方法优化与目标谱重叠的混...     

基于回溯搜索优化的卷积混合语音盲分离

针对独立矢量分析（IVA）算法初始分离矩阵取值对分离性能影响较大的局限性,提出了基于回溯搜索优化的卷积混合语音盲分离算法。采用频域各频率点IVA分离信号的复数峭度和作为目标函数,利用回溯搜索优化算法（BSA）对初始分离矩阵进行优化调整,更好地实现了语音信号的盲分离。在分离过程中,采用复Givens旋转变换原理将对分离矩阵的求解转化为对旋转角度的求解,有效减少了BSA的参数编码维数,降低了优化求解难度。针对语音信号的卷积混合分离实验表明,该算法具有良好的分离效果,其分离性能较之基本IVA算法显著提升。     

盲分离与时频分析融合的多源信道均衡

针对多信源条件下强多途干扰严重的水声信道,提出一种盲分离与时频分析融合的多源信道均衡技术。该方法首先应用盲分离技术将多源接收信号进行有效分离,对分离后的信号进行时频分析运算,然后采用Radon变换加解线调方法估计出信号的主要参数,通过重构声源信号最终完成信号的复原。通过对计算机仿真数据和海试数据的处理,验证了该方法的可行性和有效性。     

基于频域卷积信号盲源分离的乐曲数据库构建*

将通过频域卷积信号盲源分离算法从MP3歌曲音频信号中分离出人声主唱信号,再从人声主唱信号中提取出能够表征歌曲的旋律特征构建哼唱检索系统的歌曲数据库。盲源分离要求观测信号数目不小于源信号数目,因此先用小波多分辨率分析构造一路观测信号,再用频域独立成分分析(FDICA)实现MP3歌曲音频信号的盲源分离(BSS)。实验证明,采用FDICA-based BSS从歌曲MP3中分离出的人声主唱信号的旋律特征与待检索的人声哼唱信号的旋律特征有较高的相似度,可以用歌曲MP3构建哼唱检索系统的歌曲数据库。     

基于Hough变换的时频盲源分离算法

1998年,Belouchrani,A和Amin,M.G基于时频分布提出了一种经典的时频盲源算法,不足是当有噪声存在时,性能会下降。主要考虑源噪声的盲源分离问题,以Wigner分布计算观测信号的时频阵并将其看做图像,利用Hough变换将信号检测转换为在参数空间寻找局部极大值的问题,运用自项点理论选择合适的矩阵进行联合近似对角化估计源信号。该方法扩展了盲源分离的限制条件,且通过把噪声能量扩展到整个参数平面而只选择信号能量占主导的时频点,对噪声具有一定的抑制能力。     

基于多频段排序的语音卷积混合盲源分离

针对语音卷积盲源分离频域法排列顺序不确定性问题,提出一种多频段能量排序算法。首先,通过对混合信号的短时傅立叶变换(STFT),在频域上各个频点建立一个瞬时混合模型进行独立分量分析,之后结合能量相关排序法和波达方向(DOA)排序法解决排序不确定性问题,再利用分裂语谱方法解决幅度不确定性问题,进而得到每个频点正确的分离子信号,最后利用逆短时傅立叶(ISTFT)变换得到分离的源信号。仿真结果表明,与Murata的排序算法对比,改进的算法在信号偏差比、信道干扰比、系统误差比上都所提高。     

基于新型混合模型的欠定盲分离方法

针对欠定盲分离问题,提出了一种新的源恢复方法. 在时频域局部区域采用复高斯分布对源信号进行建模,将语音信号的稀疏性和局部平稳性结合在一起,提出了一种新的混合模型来描述观测信号在局部区域的概率分布.通过该模型,将每个时频点的源信号状态的判断问题转换成模型的参数估计和后验概率的计算问题,最后通过子混合矩阵的逆恢复出源信号. 实验结果表明,该方法具有很快的收敛速度,并且比已有方法具有更好的分离性能.     

卷积混合盲源分离中1种改进的排序模糊消除算法

频域方法可以有效地解决卷积混合盲源分离问题.针对频域方法中存在排序模糊,基于分离信号相邻频点功率谱密度的相关性较高的原理,提出1种改进的排序模糊消除算法.相比于原算法,扩展了参考频点的取值范围,同时还采用了1种置信度量方法,能够获得更准确的排序估计.仿真实验表明所提算法有效地消除了排序模糊,并且能够纠正某一频点排序的突...     

基于稳健联合分块对角化的卷积盲分离

针对卷积盲分离问题,提出一种新的矩阵联合分块对角化(Joint block diagonalization, JBD)算法. 现有的迭代非正交联合分块对角化算法都存在不收敛的情况,本文利用分离矩阵的特殊结构确保其可逆性,使得算法的迭代过程稳定. 在已知矩阵分块结构的条件下,首先,将卷积盲分离模型写成瞬时形式,并说明其满足联合分块对角化结构; 然后,提出联合分块对角化的代价函数,依据代价函数的最小化等价于矩阵中每个分块的范数最小化, 将整个分离矩阵的迭代更新转化成每个分块的迭代更新;最后,利用最小化条件得到迭代算法. 实数和复数两种情况下的算法都进行了推导.基本实验验证了新算法在不同条件下的性能; 仿真实验中对在时域和频域都重叠的信号的卷积混合进行盲分离,实验结果验证了新算法具有更好的分离性能和更稳定的分离能力.     

Acoustic Source Separation of Convolutive Mixtures Based on Intensity Vector Statistics

Various techniques have previously been proposed for the separation of convolutive mixtures. These techniques can be classified as stochastic, adaptive, and deterministic. Stochastic methods are computationally expensive since they require an iterative process for the calculation of the demixing filters based on a separation criterion that usually assumes that the source signals are statistically independent. Adaptive methods, such as the adaptive beamformers, also exploit signal properties in order to optimize a multichannel filter structure. However, these algorithms need initialization and time to converge. Deterministic methods, on the other hand, provide a closed-form solution based on the deterministic aspects of the problem, such as the channel characteristics and the source directions. This paper presents a technique that exploits the intensity vector statistics to achieve a nearly closed-form solution for the separation of the convolutive mixtures as recorded with a coincident microphone array. No assumptions are made on the signals, but it is assumed that the source directions are known a priori. Directivity functions based on von Mises functions are designed for beamforming depending on the circular statistics of the calculated intensity vectors. Numerical evaluation results were presented for various speech and instrument sounds and source positions in two reverberant rooms.     

Blind Source Separation of Postnonlinear Convolutive Mixture

In this paper, a novel solution is developed to solve blind source separation of postnonlinear convolutive mixtures. The proposed model extends the conventional linear instantaneous mixture model to include both convolutive mixing and postnonlinear distortion. The maximum-likelihood (ML) approach solution based on the expectation-maximization (EM) algorithm is developed to estimate the source signals and the parameters in the proposed nonlinear model. In the proposed solution, the sufficient statistics associated with the source signals are estimated in the E-step, while the model parameters are optimized through these statistics in the M-step. However, the complication resulted from the postnonlinear function associated with the mixture renders these statistics difficult to be formulated in a closed form and hence causes intractability in the parameter optimization. A computationally efficient algorithm is proposed which uses the extended Kalman smoother (EKS) to facilitate the E-step tractable and a set of self-updated polynomials is used as the nonlinearity estimator to facilitate closed form estimations of the parameters in the M-step. The theoretical foundation of the proposed solution has been rigorously developed and discussed in details. Both simulations and recorded speech signals have been carried out to verify the success and efficacy of the proposed algorithm. Remarkable improvement has been obtained when compared with the existing algorithms.     

面向卷积混叠环境下的盲源分离新方法

卷积混叠环境下的盲源分离(Blind source separation, BSS)是一个极具挑战性和实际意义的问题. 本文在独立分量分析框架下, 建立非负矩阵分解(Nonnegative matrix factorization, NMF)模型, 设计新的优化目标函数, 通过严格的数学理论推导, 得到新的模型参数更新规则; 并对解混叠矩阵进行标准化处理, 避免幅度歧义性问题; 在源信号的重构阶段, 通过实时更新非负矩阵分解模型参数, 避免源信号的排序歧义性问题. 实验结果验证了所提算法在分离中英文语音混叠信号、音乐混叠信号时的有效性和优越性.     

噪声背景下的盲源分离算法

分析了当存在高斯背景噪声时一类盲分离算法的性能,指出此时盲分离算法仍可用于估计解混矩阵,而输出信号为分离的源信号与高斯噪声的叠加。利用现代时间序列分析方法（MTSSAM）建立了输出信号的自回归移动平均（ARMA）新息模型,并给出了一种基于多维线性最小二乘法的信号滤渡算法。仿真试验表明,该算法稳定且收敛,可以在背景噪声存在时有效地恢复源信号的波形。     

Convolutive Blind Source Separation in the Frequency Domain Based on Sparse Representation

Convolutive blind source separation (CBSS) that exploits the sparsity of source signals in the frequency domain is addressed in this paper. We assume the sources follow complex Laplacian-like distribution for complex random variable, in which the real part and imaginary part of complex-valued source signals are not necessarily independent. Based on the maximum a posteriori (MAP) criterion, we propose a novel natural gradient method for complex sparse representation. Moreover, a new CBSS method is further developed based on complex sparse representation. The developed CBSS algorithm works in the frequency domain. Here, we assume that the source signals are sufficiently sparse in the frequency domain. If the sources are sufficiently sparse in the frequency domain and the filter length of mixing channels is relatively small and can be estimated, we can even achieve underdetermined CBSS. We illustrate the validity and performance of the proposed learning algorithm by several simulation examples.     

基于遗传算法的盲源信号分离

从混合观测数据向量中恢复不可观测的各个源信号是阵列处理和数据分析的一个典型问题.独立分量分析是解决该问题的新技术,而基于四阶累计量的联合对角化(JADE)算法是独立分量分析最常用的算法,但此算法在k＞2时得到近似解,且结果不精确.提出了一种基于遗传算法盲源信号分离的算法,此算法克服了JADE算法的不足,理论分析和仿真结果表明了该算法的可行性和有效性.