樂音信號(hào)盲分離.pdf

1、樂音信號(hào)分離是指從混合樂音信號(hào)中分離出單個(gè)或多個(gè)人們感興趣的樂音源信號(hào)。在復(fù)雜的聲場(chǎng)環(huán)境中,人耳聽覺系統(tǒng)可以輕松的分離出人們感興趣的樂音源信號(hào),并對(duì)這一信號(hào)保持高度的關(guān)注。人耳這種良好的聲源分離能力促進(jìn)著人們對(duì)樂音信號(hào)盲分離問題的研究。
　　 本文分多通道、單通道混合模型討論了樂音信號(hào)盲分離問題,其中多通道混合模型又可分為正定模型和欠定模型。首先,通過分析樂音信號(hào)的時(shí)頻統(tǒng)計(jì)特性,假定樂音信號(hào)符合超高斯分布,且類似于拉普拉斯分布。

2、在正定模型中,文章引入獨(dú)立成分分析(ICA,Independent Component Analysis)思想實(shí)現(xiàn)多通道樂音信號(hào)盲分離,討論了基于峭度、負(fù)熵、似然度等獨(dú)立性指標(biāo)的算法對(duì)樂音盲分離的適用性,并發(fā)現(xiàn)基于負(fù)熵的算法分離性能最好。其次,假設(shè)樂音信號(hào)在變換域足夠稀疏,利用稀疏成分分析(SCA,Sparse Component Analysis)方法實(shí)現(xiàn)欠定模型下的樂音信號(hào)盲分離。實(shí)驗(yàn)表明頻域混疊是影響稀疏成分分析方法分離效果的最大

3、因素。最后,將子空間分解的思想引入非負(fù)矩陣分解法(NMF,Nonnegative MatrixFactorization)用以解決單通道樂音信號(hào)盲分離問題。文章認(rèn)為影響非負(fù)矩陣分解方法分離性能的主要因素是時(shí)頻混疊。針對(duì)這一影響因素,文章在非負(fù)矩陣分解法的基礎(chǔ)上加入時(shí)域改善和頻域改善模塊,利用樂音諧波特性和諧波時(shí)間包絡(luò)相似性抑制了時(shí)頻混疊對(duì)分離效果的影響。實(shí)驗(yàn)表明加入改善模塊之后,分離信號(hào)的聽覺質(zhì)量有了明顯的提高,樂器的分離效果尤為突出。