[发明专利]一种无需源数估计的独立向量分析信号分离方法

说明书

本发明属于信号处理技术领域，公开的一种无需源数估计的独立向量分析信号分离方法，是在语音信号源数未知的情况下，设置初始化分离矩阵维数以及如何修改优化迭代方程；对分离得到的与观测信号个数相同的分离信号，进行冗余信号检测与剔除，从而得到原始语音信号的准确估计信号。本发明即可应用独立向量分析方法对观测到的混叠信号进行信号分离的技术思路，可以避免信号源数目估计的工作，降低信号分离工作量与复杂度，提高独立向量分析方法的适用性。

技术领域

本发明属于信号处理技术领域，尤其涉及电磁环境分析领域的一种无需源数估计的独立向量分析信号分离方法。

背景技术

在日常生活中，经常会同时接收到各种各样的语音信号，但是一般我们只对其中的某些语音信号感兴趣。通常可以通过传感器收集到这些信号，然而，这些所收集到的信号往往不是我们预想中的纯净语音信号，而是由很多语音信号组合在一起的混合语音信号，其中可能包括了环境的噪声、干扰的相关源信号、信号在环境中的反射等，这些一般均是未知的。同时，由于信号在传输的过程中的种种复杂性表征，导致我们并不知晓源信号是以什么样的方式混合在一起的。这种情况之下，我们要想获得所需的纯净信号并非易事。盲源分离便是解决这一问题的有效方法，它的目的就在于能从复杂混合信号中提取出我们所需要的信号，获得我们所需要的信息。

盲源分离就是在源信号与混合通道参数均未知的情形下，仅靠传感器对信号进行观测，并根据此观测值进行源信号估计的方法。这里的“盲’，具有两个意义：一是指源信号不能直接观测到；二是指混合信道特性参数是未知的。在实际问题中，都可以做出这样的假定，即诸多观测信号均为不可见源信号的混合。目前，盲源分离已成为国际上信号处理等技术领域的研究热点，己经获得了许多较为成熟的方法，尤其是在处理线性瞬时混合信号方面，现有的相关研究已经可以达到较好的分离效果。然而在实际环境中，信号在传输过程中会受到多种复杂因素的影响，这些因素一般包括时延、衰减、反射等，它们直接导致了传感器最终所收到的信号并不是理想中的信号，而是源信号经复杂卷积混合过程后的信号。卷积盲源分离模型由于具有更广泛的适用性，引起了广大学者的浓厚研究兴趣，其中一个重要应用领域就是语音信号分离。卷积盲源分离问题也是盲源分离方面的一个技术难点，有效的解决方法还不多见。一般而言，卷积混合信号盲分离的方法可以分为时域与频域两大类。通常情况下，时域方法为了实现盲分离，会采用分离滤波器对混合信号进行解卷积，由于混合信道的先验知识一般在事先并不为人所知，这就要求在解卷积之前，要按照混合环境的实际情况来确定分离滤波器的阶数。而滤波器阶数的设定至关重要，如果阶数选取过小的话，会对获得良好分离效果的目的产生不良影响；如果阶数选取过大，则会使得算法难以收敛，并导致较大的计算量。另一类方法是频域方法，它要求进行短时傅立叶变换，把时域的卷积混合信号变换成为频域的瞬时混合信号，经过这样的一个变换过程之后，就能利用已有的相对较为成熟的瞬时混合盲分离方法在每个频率段上展开分离步骤。无疑频域方法的算法相对于时域方法而言比较简单，并且其计算量亦相对较小。然而在频域盲源分离算法中，仍然存在着一定的缺陷，即在每个频率段上，会产生分离信号的比例与次序不确定问题，这些问题正是决定卷积混合盲分离结果成功与否的关键所在。所以如何解决比例与次序不确定问题吸引了许多研究者的关注。