基于盲信号处理的声音分离——最大化信噪比的ICA算法

基于最大化信噪比的ICA算法是一种较新模式的ICA算法，在该算法中利用输出信号的信噪比建立信噪比函数作为该算法的代价函数。

在上式中，用S表示原信号，Y表示输出信号。由于原信号S并不知道，因此采用估计信号Y的滑动平均 来代替，其中 ，其滑动平均可以表示为

其中，M表示平均滑动长度，然后可以将信噪比函数化为

将滑动平均 与估计信号Y相互交换位置，这样可以简化计算但不影响分离性能，此时信噪比函数可以表示为

其中  。对该式进行求解最终可以解得W是矩阵 的特征向量组成的矩阵，输出信号 。

基于最大化信噪比的ICA算法，可以无需迭代既可以计算得到分离矩阵W，该算法的计算复杂度相对较低，但是仿真结果显示该算法的分离性能比较差，基于信息最大化的ICA算法的串音误差在-40dB以上，而基于最大化信噪比的ICA算法的串音误差最低只有-20dB，且算法分离性能受滑动平均长度影响较大，若选取的滑动平均长度不合适将会引起算法性能的急剧下降。