频域中多通道卷积混合的盲分离方法和设备技术

一种利用频域归一化多通道盲去卷积执行盲源分离方法和设备。多通道混合信号为Ｎ个抽样的帧，包括ｒ个连续的具有Ｍ个抽样的块。该混合信号的帧在频域中利用ＤＦＴ以重叠保留的方式采用分离滤波器进行分离。该分离信号利用反ＤＦＴ转换回时域并施加非线性方程。计算分离信号和非线性变换后的信号之间的交叉功率谱并由分离信号和非线性变换后的信号的功率谱进行归一化以具有平整频谱。施加时域约束以保留前Ｌ个交叉相关。这些无混叠归一化交叉功率谱由不完整约束所限制。通过将无混叠归一化交叉功率谱与分离滤波器进行卷积计算自然梯度。当分离滤波器长度限制为Ｌ，分离滤波器利用自然梯度更新并归一化为具有单位标准。终止条件为检查分离滤波器是否收敛。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及信号处理，特别是涉及频域中多通道卷积混合(convolutivemixtures)的盲信号分离的方法、设备以及包含执行上述盲信号分离的程序的存储介质。
技术介绍
在语音处理领域中，有必要在多径环境中将多信号的混合(包括语音信号)从多个传感器中分离出来。这种对未知信号的混合的分离公知为盲源分离(blind source separation，BSS)。BSS对于分离来自于诸如多个扬声器和声纳阵列的独立源的信号是非常有用的。BSS技术可以应用于扬声器位置跟踪、语音识别、语音编码、基于目标的3D音频信号处理、声学回声消除器、通道均衡、到达方向估算以及诸如EEG和MEG的多种生物学信号的检测。大多数BSS技术致力于通过消除多径效应的影响而恢复原始信号。虽然通常情况下需要无限长度滤波器以达到此目的，但在大多数实际环境中，有限长度滤波器也能够提供足够的分离。对BSS问题来说有两种普遍的方法(i)多重去相关(multipledecorrelation，MD)方法，该方法利用第二阶信号统计作为独立测量，和(ii)多通道盲去卷积(multichannel blind deconvolution，MBD)方法，该方法利用高阶统计。MD方法通过对角化第二阶统计对混合信号进行去相关。[例如见E.Weinstein，M.Feder，and A.V.Oppenheim，“Multi-channel signal separation bydecorrelation，”IEEE Trans.Speech Audio Processing，vol.1，no.4，pp.405-413，Apr.1993；Lucas Parra and Clay Spence，“Convolutive blind source separation ofnonstationary sources”，IEEE Trans.Speech Audio Processing，pp.320-327，May，2000；D.W.E.Schobben and P.C.W.Sommen，“A frequency-domain blind signalseparation method based on decorrelation，”IEEE Trans.Signal Processing，vol.50，no.8，pp.1855-1865，Aug.2002；N.Murata and S.Ikeda，and A.Ziehe，“An approach to blind source separation based on temporal structure of speechsignal，”Neurocomputing，vol.41，no.4，pp.1-24，2001]对角化应该在多个时刻执行以成功分离信号。为此，这些方法仅应用于非平稳(nonstationary)信号。这些方法非常快而且稳定。另一方面，MBD方法通过将非线性变换分离信号的相互信息最小化而分离信号，非线性变换分离信号由与信号统计分布匹配的非线性方程变换得到。[例如见S.Amari，S.C.Douglas，A.Cichocki，H.H.Yang，″Novel on-line adaptive learning algorithm for blind deconvolutionusing the natural gradient approach″，Proc.IEEE 11th IFAC Symposium onSystem Identiftcation，Japan，1997，pp.1057-1062；A.J.Bell and T.J.Sejnowski，“An information maximization approach to blind separation and blinddeconvolution，”Neural Computation，7，no.6，pp.1129-1159，Nov.1995；L.Zhang，A.Cichocki，and S.Amari，“Geometrical structures of FIR manifolds andtheir application to multichannel blind deconvolution，”Proc of Int.IEEEWorkshop on Neural Networks and Signal Processing，pp.303-312，Madison，Wisconsin，USA，Aug.23-25，1999]。
技术实现思路
在现有技术中，分离性能由于其频率排列(frequency permutation)、白化(whitening)以及采用的滤波器类型等缺陷而大大受限。MD方法受频率排列问题的影响，也就是分离源在每个频率槽(frequencybin)中排列不同，从而最终的分离信号仍然混合。虽然对这种排列问题有一些解决方案，但分离性能随着分离滤波器的长度增加而恶化。另一方面，MBD方法受白化效应的影响，即分离信号的频谱被白化(或变平)。为解决MBD方法的这种缺陷，已提出一种语音信号的线性预测方法。[例如见，S.C.Douglas，″Blind separation of acoustic signals″，in Microphone ArraysSignalprocessing techniques and applications，M.Brandstein and D.Ward Eds，Springer，pp.355-380，2001.]。这种方法采用双向滤波器，其在实际应用中可能会不适于正常的混合环境。此外，部分的房间脉冲响应可以被看作人类语音信号的声音跟踪响应。因此，需要一种以高语音质量快速并准确地分离语音信号的BSS技术。本专利技术提供一种在块频域中具有归一化自然梯度的多通道盲去卷积的方法和设备，其对用于信号分离的单向分离滤波器进行估算。图4a显示了对实际环境中记录的混合信号进行分离的例子。采用两个麦克放在房间中记录语音和音乐信号，然后利用本专利技术的方法对该混合信号进行分离。图4a从上至下显示了两个混合信号x＝(x1，x2)和两个分离信号u＝(u1，u2)。所采用的参数为L＝128，M＝2L，N＝2N，μ＝0.0025。图4b显示了该例子中最终的分离滤波器。本专利技术可以以高语音质量从混合信号中分离出期望的信号，从而分离信号可以被导入语音识别器或语音编码器。图5从上之下显示了各通道的原始信号s、混合信号x以及分离信号u。图5显示了高质量的分离语音信号。附图说明通过结合附图和下列描述可以很容易理解本专利技术的教导，其中图1显示了执行本专利技术软件实现的系统；图2a显示了采用归一化自然梯度的多通道盲去卷积的框图；图2b显示了分离混合的多通道信号的分离滤波器的图示；图2c显示了利用非线性方程将分离信号变换为具有均匀概率密度的信号的示意图； 图3显示了本专利技术实施方式的流程图；图4a显示了由本专利技术的方法从在实际房间中记录的混合信号中分离的信号、语音和音乐；图4b显示了通过本专利技术的方法对实际房间中记录的混合信号进行分离的最终分离本文档来自技高网...

【技术保护点】
一种将混合信号分离成分量信号的方法，该方法包括步骤：（ａ）从所述混合信号中产生当前帧（３０２）；（ｂ）将所述当前帧分离成当前帧的分量信号（３０３）；（ｃ）利用非线性方程将所述分量信号变换成非线性变换后的信号（３０４） ；（ｄ）计算所述分量信号和（ｃ）中的所述非线性变换后的信号的无混叠归一化交叉功率谱（３０５）；（ｅ）利用所述交叉功率谱计算自然梯度（３１０）；（ｆ）利用所述自然梯度更新分离滤波器系数（３１１）；（ｇ）对所述分 离滤波器系数进行归一化（３１２）；（ｈ）判断收敛条件并重复（ａ）至（ｇ）直到收敛（３１３）；（ｉ）收敛后利用所述分离滤波器系数将所述混合信号分离为分量信号。

【技术特征摘要】
【国外来华专利技术】KR 2004-2-26 10-2004-00130161.一种将混合信号分离成分量信号的方法，该方法包括步骤(a)从所述混合信号中产生当前帧(302)；(b)将所述当前帧分离成当前帧的分量信号(303)；(c)利用非线性方程将所述分量信号变换成非线性变换后的信号(304)；(d)计算所述分量信号和(c)中的所述非线性变换后的信号的无混叠归一化交叉功率谱(305)；(e)利用所述交叉功率谱计算自然梯度(310)；(f)利用所述自然梯度更新分离滤波器系数(311)；(g)对所述分离滤波器系数进行归一化(312)；(h)判断收敛条件并重复(a)至(g)直到收敛(313)；(i)收敛后利用所述分离滤波器系数将所述混合信号分离为分量信号。2.根据权利要求1所述的方法，其中步骤(b)进一步包括子步骤(b1)将所述混合帧和所述分离滤波器系数变换为频域；(b2)在频域中计算分量信号，并将所述分量信号变换回时域；和(b3)将所述分量信号的前L个抽样设为0，从而产生分量信号。3.根据...

【专利技术属性】
技术研发人员：南承铉，
申请(专利权)人：南承铉，
类型：发明
国别省市：KR[韩国]