單聲道信號源分離最大似然方法4 評價現(xiàn)在，我們目前使用語音的人工混合物的單聲道分離的一些例子信號和音樂信號與ICA的教訓的基礎(chǔ)上過濾器的分離性能相比與其他傳統(tǒng)的基地，傅立葉，固定小波函數(shù)和數(shù)據(jù)驅(qū)動主成分分析（PCA）的基礎(chǔ)上過濾器為了評估我們的方法的限制，我們比較我們的方法維納濾波與真實頻譜圖然后，我們目前的分離結(jié)果在真實的環(huán)境噪聲和語音記錄圖5：仿真系統(tǒng)設(shè)置A）訓練階段：兩套訓練數(shù)據(jù)用來獲取基礎(chǔ)的過濾器和廣義高斯參數(shù)B）測試階段：兩個源信號x1和x2是混合成單聲道信號Y建議的信號分離算法恢復原始信號源的基礎(chǔ)上過濾器和廣義高斯PDF參數(shù)集 4.1仿真設(shè)置 我們已經(jīng)測試的兩種不同的聲音類型的單通道混合物的建議方法表現(xiàn)仿真系統(tǒng)設(shè)置如圖5所示模擬分為兩個階段在第一階段，我們準備培訓資料，并運行ICA學習算法獲得的基礎(chǔ)上過濾器WIK，并建模系數(shù)的廣義高斯的參數(shù)（IK）（stik）PDFS基礎(chǔ)的過濾器和PDF參數(shù)估計分別為源1和源2在測試階段，兩個源信號XT1和XT2，這是不包括在訓練數(shù)據(jù)集，混合成一個單一的通道混合的，我們申請建議分離算法和恢復原始來源 我們采取了四種不同類型的聲音，我們的模擬實驗。

他們是搖滾和爵士音樂的單聲道信號，男性和女性的講話我們用于學習功能的基礎(chǔ)上產(chǎn)生的混合物兩套不同的聲音信號對于混合發(fā)電，兩個句子的目標揚聲器“mcpm0”和“fdaw0”，為每個揚聲器，從TIMIT語音庫選擇訓練集設(shè)計，每個性別，37個隨機選擇的男性和7個隨機選擇的女性，每年有21句2目標揚聲器的話是不包括在訓練集搖滾音樂，主要是由吉他和鼓聲，和爵士樂風儀器產(chǎn)生兩個音樂響起的聲樂部分被排除在外用于培訓，一半一半的音樂聲中產(chǎn)生的混合物所有信號縮減像素采樣到8kHz，從原來的44.1（音樂）和16kHz的（講話） 圖6：4個聲源的波形，從訓練集信號源的音頻文件http://speech.kaist.ac.kr/jangbal/ch1bss/. 圖7：4聲源的平均功率譜頻率刻度范圍在0?4kHz的（X軸），因為所有的信號都在8kHz采樣平均的功率譜和Y軸代表在64個樣品，每個樣品開始（8毫秒）分段所有實驗的音頻文件在http://speech.kaist.ac.kr/ jangbal/ch1bss訪問 圖6顯示了四個聲源用于培訓學習的基礎(chǔ)上過濾器和估算的廣義高斯模型參數(shù)的波形。

我們使用不同的數(shù)據(jù)分離實驗圖7比較平均光譜上述四個資料來源每個涵蓋了所有的頻段，雖然幅度不同人們所預料的那么簡單過濾或屏蔽，不能分開的混合來源清楚圖8：由ICA的教訓的基礎(chǔ)上過濾器選擇只有7的基礎(chǔ)上篩選出64個成套全套的基礎(chǔ)上篩選http://speech.kaist.ac.kr/jangbal/ ch1bss/他們得到的廣義高斯ICA學習算法在2.2節(jié)所述 4.2教訓的基礎(chǔ)過濾器 圖8教訓的基礎(chǔ)上過濾器的四個類型的聲音（WIK）的子集廣義高斯ICA學習適應(yīng)從一個64 × 64平方米的單位矩陣，基函數(shù)的梯度計算了1000個波形段塊每個PG（stik）的參數(shù)QIK更新每10梯度步驟教訓的基礎(chǔ)上過濾器一般為代表的不同程度，其中一些只局限在時域范圍的波形疊加語音基礎(chǔ)的過濾器在時間和頻率域化和本地化，軸承相似Gabor小波（高斯調(diào)制疊加）更多關(guān)于男性和女性的基礎(chǔ)過濾器之間的差異的分析中可以找到工作，李某和張某（2001年）爵士樂的基礎(chǔ)上過濾器大多是固定的，但經(jīng)常幅度的變化顯示在時間軸的非平穩(wěn)行為巖石基礎(chǔ)的過濾器是少固定，振幅突然變化的特點和搖滾音樂的“鼓聲” 要實現(xiàn)高階概率超過一階獨立性（去相關(guān)）獨立顯示的優(yōu)勢，我們進行了對比實驗獲得的基礎(chǔ)上篩選通過PCA的輸出系數(shù)之間的相關(guān)性，從而消除。

去相關(guān)定義是一個零均值向量x的轉(zhuǎn)化與矩陣W，使蠟質(zhì)有身份的協(xié)方差矩陣PCA的基礎(chǔ)濾波器正交，可從協(xié)方差矩陣，W P= D -2等，其中E是一個矩陣特征向量的E[XXT]列的特征向量獲得圖9：顯示四個聲源中的每一個主成分分析的基礎(chǔ)上過濾器的例子的基礎(chǔ)是彼此不同的，因為從不同的訓練數(shù)據(jù)集的協(xié)方差矩陣，但差異并不在ICA的基地所產(chǎn)生的顯著對于語音基地，PCA的基礎(chǔ)濾波器振幅穩(wěn)定得多，像傅立葉的基礎(chǔ)上涵蓋了整個時間范圍，雖然在時間和類似于Gabor小波本地化ICA的基礎(chǔ)上過濾器 對比數(shù)據(jù)驅(qū)動的ICA和PCA基地，我們也執(zhí)行與兩個固定聲源的基礎(chǔ)上篩選實驗：傅立葉和小波的基礎(chǔ)上了解到的講話的基礎(chǔ)上，通過ICA的過濾器像Gabor小波，和其他數(shù)據(jù)驅(qū)動的基礎(chǔ)上過濾器，除了一些先驗基礎(chǔ)過濾器，疊加類似的行為因此，這是 圖9：PCA獲得的基礎(chǔ)上過濾器選擇只有7的基礎(chǔ)上篩選出64個成套他們通過學習ICA的基礎(chǔ)上過濾器使用相同的訓練數(shù)據(jù)計算協(xié)方差矩陣的特征值分解 寶貴的是，以評估真正傅立葉和真正Gabor小波濾波器建議的分離方法的有效性公式（2）我們假設(shè)的基礎(chǔ)上篩選，實值，因此，我們通過一個離散余弦變換（DCT）的基礎(chǔ)上，只給出了實系數(shù)： 其中k∈[1，N]是一個指標的基礎(chǔ)上過濾器的中心頻率。

一個實值的1- D Gabor小波是一個具有高斯信封的平面正弦波，由洛伊（2002年） μ和f分別確定的位置和寬度的高斯信封，并是正弦波的頻率f的值和u頻率逐漸增多所有過濾器的設(shè)置，增長到跨越整個時頻空間，因為它可以在普通的小波基除了規(guī)模，只有波長和寬度之間的比例高斯信封可以使不同的兩個Gabor小波 圖10顯示了DCT和Gabor小波基地的一些例子DCT的基礎(chǔ)上過濾器分布在時間軸是完全固定的，也就是說，每個DCT的過濾器是一個獨特的頻率的正弦波組成Gabor小波也固定的，但只局限在時域范圍駐留在在圖8和9，ICA和PCA的基礎(chǔ)上過濾器表現(xiàn)出較少的規(guī)律性PCA的基礎(chǔ)上過濾器和傅立葉的基礎(chǔ)上過濾器顯示出類似的特點，和兩個語音信號和Gabor小波ICA基礎(chǔ)上過濾器也表現(xiàn)出很大的相似之處 4.3模擬混合物的分離結(jié)果 我們所產(chǎn)生的四個選擇兩個來源，只需添加合成的混合物在3.4節(jié)的建議分離算法用于恢復原始來源渠道單一的混合物混合物的值初始化為源信號的估計 圖10：DCT的基礎(chǔ)上過濾器（第一行）和Gabor小波的基礎(chǔ)上過濾器（第二行）選擇只有7的基礎(chǔ)上篩選出64個成套。

同一套基礎(chǔ)的過濾器可用于所有的四個聲源 信號：XT1= XT2= YT電流源估計所有的樣品，同時在每一次迭代更新，在每10次迭代更新和縮放因素大約100次迭代后，根據(jù)分離的融合學習率和其他各種系統(tǒng)參數(shù)分離的程序算法遍歷所有的數(shù)據(jù)和計算梯度，類似的學習算法的基礎(chǔ)上，因此他們的時間復雜性是同樣的順序相同一個1.0 GHz的奔騰電腦上測得的分離時間為8秒長的混合物約10分鐘 信號噪聲比（SNR），是指由測量的原始信號源和估計源之間的相似性 其中s是原始的源和S估計要限定一個分離的結(jié)果，我們使用兩個恢復源信號信噪比的總和：snrx1（X1）+ snrx2（X2）表1四種不同基地的SNR結(jié)果報告在平均信噪比，數(shù)據(jù)驅(qū)動兩個基地的表現(xiàn)優(yōu)于 表1：建議的方法的SNR結(jié)果R，J，M，F(xiàn)），搖滾，爵士音樂，男，女性講話組合”一欄中列出的來源是混合到Y(jié)的符號，和其他列的值是信噪比的款項，snrx1（X1）+ snrx2（X2），以dB為單位每列的第一行表明所使用的方法獲得的基礎(chǔ)過濾器毛重”代表Gabor小波所有結(jié)果的音頻文件訪問http://speech.- kaist.ac.kr/jangbal/ch1bss/。

圖11：爵士音樂的男性和講話的分離結(jié)果在垂直的順序為：原始來源（x 1和X2），混合信號（X1 + X2），并恢復信號 兩個固定基地，和ICA的基礎(chǔ)顯示性能最好的此外，ICA的基礎(chǔ)上保證一定程度上的所有案件的信噪比性能，而表演的兩個固定基地和主成分分析的基礎(chǔ)上有很大不同的混合聲源爵士樂女性混合物的分離和PCA的基礎(chǔ)信噪比優(yōu)于ICA的基礎(chǔ)，雖然其他的混合物被嚴重分離DCT和Gabor小波的基礎(chǔ)上顯示很好的信噪比為爵士音樂的混合物相比，其他混合物這可能的解釋是，爵士音樂是非常接近固定，并因此PCA和ICA誘導爵士音樂類似特征的基礎(chǔ)上過濾器（圖8和9），而這些基礎(chǔ)的過濾器類似于DCT的基礎(chǔ)上過濾器雖然Gabor小波濾波器在時間上是局部性的，他們也從血竇，所以他們代表與其他信號源相比，爵士音樂一般來說，含有爵士音樂的混合物被回收比較干凈，和男女混合至少收回關(guān)于搖滾音樂的混合物，ICA的基礎(chǔ)和其他基地之間的信噪比差異遠遠比其他混合物這是因為鼓聲（突然變化幅度），以及只有在ICA的基礎(chǔ)上過濾器表示 圖11說明原始來源和回收的結(jié)果為他們的爵士音樂和男性講話的混合物，和圖12的男性和女性的言論的混合物顯示的波形。

他們的信噪比款項分別為10.3和5.9講話，講話的混合物的分離比音樂講話混合物的差從實驗結(jié)果，我們得出結(jié)論，分層性能高度依賴的基礎(chǔ)上功能預計每個基地臺的信號源，混合和單一通道中觀察到的。