混响环境下基于卷积模型的欠定盲源分离

李 帅 刘宏清 彭 鹏 罗 臻 周 翊

(1. 重庆邮电大学通信与信息工程学院,重庆 400065; 2. 重庆邮电大学重庆市移动通信重点实验室, 重庆 400065; 3. 重庆德新机器人检测中心有限公司, 重庆 401147)

1 引言

盲源分离已成为信号处理领域的一个热门研究主题,其起源于人们对鸡尾酒会问题的研究[1- 6]。“盲”表示在没有先验知识的条件下,仅从观测到的混合信号中提取出源信号。随着盲源分离理论研究的深入,基于盲源分离的麦克风阵列多路语音信号处理的应用研究逐渐引起人们的关注。

根据麦克风阵元和声源相对数量,盲源分离可分为两类:第一类属于超定或正定的情况,即麦克风阵元数大于或等于声源数,第二类是欠定情况,即麦克风阵元数小于声源数。独立成分分析(Independent Component Analysis, ICA)是有效解决第一类盲源分离问题最为流行的方法[1]。该方法通过找到非高斯数据的线性表示形式,以使得组成部分在统计上独立或尽可能独立。对于欠定情况,由于受固有不利条件的限制,混合矩阵无法直接求逆,导致ICA方法将失效。近年来,随着语音信号处理研究的深入,学者们通过利用时频域中语音信号的稀疏性来实现信源分离已得到广泛应用[4-7]。然而上述方法都是在窄带假设下进行的,即从声源到麦克风之间的冲激响应的长度小于短时傅里叶变换(short-time Fourier transform, STFT)的窗长,例如时频域中的瞬时混合模型。但是,这种窄带近似在高混响环境中并不能很好地发挥作用;而且有研究发现:基于窄带近似的方法在高混响环境中的性能会急剧下降[8-9]。……