[发明专利]一种基于半非负矩阵分解的声音信号分离方法

说明书

一种半非负矩阵分解的声音信号分离方法，包括：计算单通道混合声音信号的傅立叶变换结果，并计算其频谱(S1)；对混合信号的频谱进行半非负矩阵分解(S2)；根据混合信号的频谱得到源信号各自的初始频谱(S3)；对源信号的初始频谱进行半非负矩阵分解(S4)；根据混合信号的频谱及其对应的特征矩阵和系数矩阵，以及源信号对应的特征矩阵和系数矩阵，获得源信号的频谱(S5)；根据混合信号的傅立叶变换结果以及源信号的频谱，获得源信号的傅立叶变换结果(S6)；对源信号的傅立叶变换结果进行傅立叶逆变换，得到源信号，从而实现从单通道混合声音信号中分离源信号(S7)。该方法能用于分离由频域重叠、相互不一定独立的源声音信号混合而成的单通道混合声音信号。

技术领域

本发明涉及单通道混合声音信号分离技术领域，具体涉及一种基于半非负矩阵分解的声音信号分离方法。

背景技术

声学技术已在医学诊断、产品质量检测、设备状态监测、机械性能试验、声学事件分类等领域被广泛的研究和应用。由于其应用环境的声场可能较为复杂，采集到的声音信号往往是目标声音和环境噪声的混合信号。因此，一般需要首先从混合声音信号中提取出目标声音以进行后续的信号处理和分析。此外，鉴于体积大小、设备造价、安装问题等条件的限制，可能只能安装一个声音传感器或者是最好安装一个声音传感器，这就要求从单一麦克风采集到的单通道混合声音信号中提取出目标声音信号。单通道混合声音信号分离是解决上述任务的常用方法。

机械工业第三设计研究院申请的中国发明专利“基于Hilbert变换的欠定声音信号分离方法及装置”提出采用Hilbert变换进行欠定声音信号分离，没有说明是针对单通道混合声音信号，且其方法不适用于频域混叠的情况。中科院嘉兴中心微系统所分中心申请的中国发明专利“无线传感器网络中基于粒子滤波的多车辆声信号分离方法”以及山东大学申请的中国发明专利“基于联合近似对角化盲源分离算法的电力设备故障音检测方法”均是针对麦克风阵列采集的多通道混合声音信号进行声音分离。

安徽理工大学王康等人发表的论文“基于变分模态分解的单通道信号盲源分离方法”提出一种基于变分模态分解的单通道信号盲源分离方法：首先采用变分模态分解实现单通道观测信号的升维，并估计源信号数目，然后再进行信号的盲源分离。该方法涉及到升维操作(即将单通道信号映射为多通道信号)，且不适用于频域混叠的情况。解放军信息工程大学郭一鸣等人发表的论文“基于SIC的单通道同频混合信号低复杂度盲分离算法”采用过采样构造多通道条件，进而构造出信道矩阵，利用连续干扰抵消算法实现单通道同频混合信号的盲分离。该方法同样涉及到将单通道信号映射为多通道信号后再进行信号分离，且其受时延差和接收信号过采样倍数影响较大，存在解调盲区。江南大学杨海兰等人发表的论文“单通道通信信号盲分离算法”给出了一种基于希尔伯特黄变换和独立分量分析的单通道通信信号盲源分离算法。该方法不适用于频域混叠的情况。解放军理工大学朱会杰等人发表的论文“基于移不变稀疏编码的单通道机械信号盲源分离”对特征反复出现的机械信号，提出一种基于移不变稀疏编码的单通道盲源分离方法，算法中将源信号看成多个基与系数的卷积，能够根据信号的统计分布，利用信号自身特征自适应地学习到匹配的基和稀疏的系数。该方法针对的是特征反复出现的机械信号。

发明内容

有鉴于此，有必要针对上述问题，提出一种基于半非负矩阵分解的声音信号分离方法。该方法首先根据源声音信号的主要频段从单通道混合声音信号的频谱中获得初始估计频谱，再基于半非负矩阵分解将源信号的初始估计频谱分解为初始特征矩阵和初始系数矩阵，利用源信号的系数矩阵之间的相关性得到源信号最终的特征矩阵和系数矩阵，从而获得源信号的频谱，再进行傅立叶逆变换获得源信号，最终实现单通道混合声音信号分离。

为实现上述目的，本发明采取以下的技术方案：

一种基于半非负矩阵分解的声音信号分离方法，包括如下步骤：

S1、单通道混合声音信号S由若干独立的声音信号S¹,S²,…,Sⁿ混合而成，计算S的傅立叶变换结果F，根据F计算频谱X；