[发明专利]一种基于欠定卷积混叠模型的稀疏盲分离方法

说明书

本发明涉及信号处理技术领域，提出一种基于欠定卷积混叠模型的稀疏盲分离方法，包括以下步骤：获取欠定混叠语音信号；对所述欠定混叠语音信号进行短时傅里叶变换，得到频域上的稀疏混叠信号；对所述频域上的稀疏混叠信号进行数学建模，得到欠定卷积混叠模型；在所述欠定卷积混叠模型下建立稀疏代价函数，利用盲分离技术对混叠通道进行实时更新，得到估计的源信号；对所述估计的源信号进行尺度和排序处理，再利用傅里叶变换的逆运算得到时域上的完成分离的源信号。本发明利用源信号的稀疏约束以及欠定卷积混叠模型的构造，在处理真实环境下的高混响混叠信号具有更明显的优势。

技术领域

本发明涉及信号处理技术领域，更具体地，涉及一种基于欠定卷积混叠模型的稀疏盲分离方法。

背景技术

盲源分离(Blind source separation,BSS)是在混叠信道未知的情况下，仅仅从观测到的混叠信号中分离源信号。特别的，欠定的盲源分离问题引起了越来越多的关注，如何在源信号数目大于传感器的数目下的混叠信号中有效地分离源信号是一个极具挑战性的问题。

目前，在解决卷积混叠盲分离问题上，主要采用独立元分析方法在假设源信号之间是相互独立的条件下，进行源信号的盲分离。然而，独立元分析在处理欠定的卷积混叠盲分离问题上有一定的局限性，因为独立元分析只能处理过定的或者正定的情形，即源信号数目小于或等于传感器的数目。为了解决欠定的情况，一般结合稀疏元分析理论对源信号进行盲分离，其中，稀疏元分析理论是假设源信号满足一定的稀疏性，即假设在每个频点上只有唯一的源信号是活跃的，其他的等于零或者接近于零。然而，时域上的信号并不具有很好的稀疏性。为了满足稀疏性的假设，常规的方法是利用短时傅里叶变换，把时域信号转换到频域上进行处理。但是，在源信号恢复阶段容易导致排序歧义性问题和尺度不确定问题，从而对盲分离结果带来了严重的影响。另外，由于混响时间过长还会导致混叠过程更加复杂，已有的多数卷积盲分离算法只能解决低混响的混叠信号，但无法解决高混响的混叠情形。

发明内容

本发明为克服上述现有技术所述的欠定卷积混叠信号盲分离结果不理想的缺陷，提供一种基于欠定卷积混叠模型的稀疏盲分离方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于欠定卷积混叠模型的稀疏盲分离方法，包括以下步骤：

S1：获取欠定混叠语音信号；

S2：对所述欠定混叠语音信号进行短时傅里叶变换，得到频域上的稀疏混叠信号；

S3：对所述频域上的稀疏混叠信号进行数学建模，得到欠定卷积混叠模型；

S4：在所述欠定卷积混叠模型下建立稀疏代价函数，利用盲分离技术对混叠通道进行实时更新，得到估计的源信号；

S5：对所述估计的源信号进行尺度和排序处理，再利用傅里叶变换的逆运算得到时域上的完成分离的源信号。

本技术方案用用于在欠定卷积混叠模型下对混叠信号进行分离，对所述待分离的混叠信号进行短时傅里叶变换，将混叠信号变换到频域上，并进行数学建模，得到欠定卷积混叠模型；然后，在此模型下构建稀疏代价函数，利用稀疏盲分离技术分离源信号；再对分离的源信号进行尺度和排序处理，使得估计的源信号与真实的源信号排序上保持一致。最后，利用傅里叶变换的逆运算将频域上估计的源信号变换到时域上，得到分离后的源信号。

优选地，S1步骤中，采用在高混响的环境下，同时播放N组语音源信号，利用M个麦克风进行接收，获取欠定混叠语音信号，其中，N、M为正整数，且NM。

优选地，S3步骤中，所述欠定卷积混叠模型的表达公式如下：