جداسازی سیگنال کور صوتی بر پایه استفاده از روش کومولانت
محورهای موضوعی : مهندسی الکترونیکسحر پویا 1 , مصطفی اسماعیل بیگ 2 , روزبه حمزه ئیان 3
1 - گروه مهندسی برق، دانشگاه آزاد اسلامی، واحد بوشهر، بوشهر، ایران
2 - گروه مهندسی برق، دانشگاه آزاد اسلامی، واحد بوشهر، بوشهر، ایران
3 - دانشگاه آزاد اسلامی واحد بوشهر، عضو هیات علمی گروه مهندسی برق
کلید واژه: مقادیر ویژه, Eigenvalues, سیگنالهای کور, کومولانت, بردار ویژه, Eigenvector, Blind signals, Cumulative,
چکیده مقاله :
از جمله روشهای مطرح برای جداسازی چند سیگنال گفتار، که در گیرندهها با یکدیگر ترکیب شدهاند، استفاده از روشهای جداسازی کور منابع (BSS) است. جداسازی کور منابع عبارت است از جداسازی و تخمین سیگنالهایی که توسط منابع در یک کانال نامعلوم تولید شده و ترکیبات آنها در گیرندهها دریافت شده است. الگوریتمهای موجود برای جداسازی کور منبع اغلب بر اساس تجزیهی ویژهی ماتریسهای کومولانت مرتبهی چهارم است. با این وجود وقتی ماتریسهای کومولانت مقادیر ویژهی نزدیک به هم دارند، بردارهای ویژهی آنها نسبت به خطا در تخمین ماتریسها بسیار حساس میشوند. در این مقاله سعی شده با به کارگیری الگوریتم جدیدی میزان این حساسیت را کاهش داده و به تخمین دقیقتری دست یابیم.
One of the proposed methods for separating several speech signals, which are combined in receivers, is the use of blind source separation (BSS) methods. Resource blind separation is the separation and estimation of signals generated by sources in an unknown channel and their combinations received at receivers. Existing algorithms for blind source separation are often based on the special analysis of fourth-order cumulative matrices. However, when cumulative matrices have close eigenvalues, their eigenvectors become very sensitive to the error in estimating the matrices. In this paper, we try to reduce this sensitivity by using a new algorithm and obtain a more accurate estimate.
_||_
[1] P. Comon and L. Rota, “Blind separation of independent sources from convolutive mixtures,” IEICE Trans. on Fundamentals, vol. E86-A, no. 3, pp. 542–549, Mar 2003.
[2] M. Syskind Pedersen, J. Larsen , U. Kjems and L. C. Parra, (2009), "A survey of convolutive blind source separation methods", Springer Handbook on Speech Processing and Speech Communication, pp. 1-34, 2007.
[3] R. Martin-clemente and J. I. Acha, "New equations and iterative algorithm for blind separation of sources", Signal Processing, vol. 82, pp. 861-873, 2002.
[4] A. Hyvarinen, J. Karhunen and E. Oja, (2011), "Independent component analysis", John Wiley & Sons, Inc
[5] R. Martin-clemente, J. I. Acha and C. G.Puntonet, "Eigendecomposition of self-tuned cumulant-matrices for blind source separation", Signal Processing, vol. 84, pp. 1201- 1211, 2004.