麦克风阵列算法笔记之四（盲源分离）

Li Kang

已于 2023-07-31 09:02:20 修改

阅读量1.2w

点赞数 6

分类专栏：语音信号处理文章标签：盲源分离 BSS ICA IVA 麦克风阵列

于 2019-12-07 10:41:29 首次发布

本文链接：https://blog.csdn.net/s09094031/article/details/102984320

版权

8 篇文章 18 订阅

订阅专栏

麦克风阵列算法有两大类，一类是波束形成算法，另一类是盲源分离算法，两者互有优劣。本篇博客先通过比较盲源分离和波束形成来说明盲源分离的优缺点，盲源分离的基础知识，然后分别介绍盲源分离的常见实现方式。本篇盲源分离算法主要是记录ICA算法，若无指明，BSS和ICA在本篇博客中是等价的。

盲源分离的结果是混淆的。
比如两个声源 $s_1，s_2$ ，分离出来的顺序可以是 $\hat{s_1}, \hat{s_2}$ ，也可能是 $\hat{s_2}, \hat{s_1}$ 。
盲源分离要求输入的信号最多一个是高斯分布。
ICA算法的假设是两个声源 $s_1，s_2$ 是相互独立的，那么分离出来的 $\hat{s_1}, \hat{s_2}$ 也是相互独立的。如果 $s_1$ 和 $s_2$ 都是高斯分布，且相互独立。那么通过任意的正交矩阵混合后，仍然相互独立。对于ICA算法来说就有无穷多解，导致无法分开。
盲源分离无法应对长混响场景。
- 长混响场景，信号的幅度都是高斯分布。
- 长混响场景，解卷积的长度不好设定。长度太短无法包含长混响的冲激响应。长度太长不满足相互独立的假设。
- 长混响场景，麦克风阵列得到的信号从各个方向过来。盲源分离本质上相当于多组ABF，波束形成也无法应对这种场景。
盲源分离需要多次迭代，运算量大，收敛速度慢。