盲源信道分离—FastICA算法性能仿真

本案例中使用Matlab软件对FastICA算法的声音分离性能进行了仿真，分别对简单波形的混合信号、不同类型声音的混合信号、同一类型的混合信号这三种情况进行仿真，主要从分离信号的波形形状、串音误差两方面对分离性能进行衡量，仿真结果显示快速ICA算法分离效果还不错，且算法收敛速度较好。

简单波形分离仿真

首先是对简单波形的混合信号进行分离，这里混合信号采用的是方波、三角波和正弦波，这三种波形的频率分别为300hz、400hz、500hz，信号的采样频率为44.1khz，输入原信号序列长度为1000，混合矩阵利用Matlab随机生成，以下是输入的原信号，混合后的信号和分离后信号的波形图。

图 5 简单波形的混合信号的分离仿真图

 从波形上可以看出，除了幅度和正负由一定的变化外，快速ICA算法对简单波形的混合信号的分离效果还是可以接受的。

对不同类型的声音的分离仿真

这里我们对了人声、音乐声和电影特效声音这三种不同类型的声音的混合信号进行分离，输入信号长度为10秒，采用频率为44.1k。其线性瞬时混合模型信道的随机混合矩阵A为

以下是原信号，混合后信号和分离信号的波形图

利用快速ICA算法对这三种不同类型的声音进行分离时，计算所有分量的分离向量的迭代次数为39次，相应的算法分离的串音误差为-23dB。

同类型声音的仿真

这里选取的从同一部影视作品中截取的两段不同人物的语音（无背景音乐部分）进行混合和分离，输出信号长度为4.5秒，采样频率同样为44.1Khz。其原信号、混合信号和分离后信号的波形如图

此时，快速ICA算法计算所得的计算所有分量的分离向量的迭代次数为12次，相应的算法分离的串音误差为-47dB。

图 7同类型的声音的分离仿真信号波形图