专利名称：基于非连续平滑的卷积混合盲分离频域方法
技术领域：
本发明涉及一种基于非连续平滑的卷积混合盲分离频域方法，具体通过一种非连续多时刻短时傅立叶变换系数(STFT)平滑的方法，减少了源信号STFT的瞬时混合和卷积混合信号STFT间的误差，提高了卷积混合频域盲分离的分离效果。此外，相对于传统各频率片上混合矩阵的列向量的顺序调整方法，本发明提出一种简化的调整方法，显著的降低了调整所需的运算量。
背景技术：
相对于瞬时混合，卷积混合更为复杂，也更接近为实际环境中信号的混合方式。目前，卷积混合盲分离问题吸引了众多的研究者，近年来所提出的卷积混合盲分离算法大致分为两类时域方法和频域方法。时域方法一般通过设定符合某种形式的大型混合矩阵，将卷积混合转变为单个基于该大型混合矩阵的瞬时混合，但复杂的运算以及相应的存贮要求，使其不便于推广到多路卷积混合。而在频域上，卷积混合退化各个频率片上复数瞬时混合，可借鉴众多相对成熟的瞬时混合盲分离算法，因此频域方法受到越来越多关注。
然而，由于STFT的分帧等效于实现源信号和滤波器的分段卷积，而分段卷积时线性卷积和循环卷积间又存在误差，因此在每个频率片上，源信号STFT系数的瞬时混合并不精确等于卷积混合信号的STFT系数，每个频率片上的瞬时混合也就成为带噪条件下瞬时混合，即源信号STFT系数的瞬时混合和卷积混合信号STFT系数间存在误差，从而影响了现有频域卷积混合盲分离算法的分离精度。由于误差信号不会出现在卷积混合信号中，因此这种误差只能降低而不能被消除。
发明内容
本发明针对现有技术中存在的不足，提出了一种基于非连续多时刻短时傅立叶变换系数平滑的卷积混合频域盲分离方法，该方法有助于降低源信号STFT系数的瞬时混合和卷积混合信号STFT系数间的误差，从而提升分离性能。此外，相对于传统各频率片上混合矩阵的列向量的顺序调整方法，本发明提出一种简化的调整方法，显著的降低了调整所需的运算量。
本发明是通过以下技术方案来实现的，具体的步骤如下一种卷积混合频域盲分离方法，用于减少源信号STFT的瞬时混合和卷积混合信号STFT间的误差，提高卷积混合频域盲分离的分离效果，其特征在于具体步骤如下(1)对卷积混合信号Xi(n)做帧长为T帧移为o的分帧，并求各帧Xi(l)(i＝1，2，…，D)的T点短时傅立叶变换，得 及矢量序列X‾(wk,l)=[X‾1(wk,l),...,X‾D(wk,l)]′,]]>其中wk＝2πk/T，k∈
，i∈{1，2，…，D)，l表示帧的序号；(2)在各频率片wk上，生成 的非连续多时刻短时傅立叶变换系数平滑结果E(X‾(wk,l))=1PΣp=0P-1X‾(wk,l+p·T),]]>其中为P平滑因子，T为前述的分帧帧长；(3)利用 执行频率片wk上的瞬时混合盲分离，获得频率片wk上的混合矩阵的估计值 和分离信号E(S‾(wk,l))=1PΣp=0P-1S‾(wk,l+β·p);]]>(4)按集合独立的原理，依据 调整各频率片上 列向量间的对应关系，生成真实的 从而克服不同频率片上顺序不确定性的不统一；(5)对调整后的 wk＝2πk/T，k
，利用逆短时傅立叶变换生成逆混合滤波器(即分离滤波器，将卷积混合信号输入分离滤波器)阵列生成最终的卷积混合分离信号。
本发明的主要内容是利用卷积混合信号的非连续多时刻短时傅立叶变换系数平滑代替短时傅立叶变换，进行卷积混合频域盲分离。其目的在于利用分段卷积时线性卷积和循环卷积间误差的特征，减小源信号短时傅立叶变换瞬时混合和卷积混合信号短时傅立叶变换间的误差，进而提升卷积混合频域盲分离的分离性能。
图1是使用本发明方法的系统工作流程图。
具体实施例方式
本发明的一个优选实施例是参见图1，本卷积混合频域盲分离方法的具体操作步骤如下(1)设帧长为T，帧移为o，α＝T-o，则对卷积混合信号Xi(n)(i＝1，2，…，D)分帧后，第l(l≥0)帧构成矢量Xi(l)＝[Xi(lα)，…，Xi(lα+T-1)]。Xi(l)的T点短时傅立叶变换在频率片wk上系数为X‾i(wk,l)=Σm=0T-1Xi(m+l(T-o))exp(-(-1)2kmπ/M),]]>且有X‾(wk,l)=[X‾1(wk,l),...,X‾D(wk,l)]′,]]>其中wk＝2πk/T，k∈
。
(2)在各频率片wk上，生成 的非连续多时刻短时傅立叶变换系数平滑后结果E(X‾(wk,l))=1PΣp=0P-1X‾(wk,l+p·T),]]>其中P被称为平滑因子，表征参与平滑的非连续STFT系数的个数，P的经验取值为100～1000间的整数。
(3)在频率片wk上，对 采用联合近似对角化(JADEJointApproximate diagonalization estimation)方法执行的瞬时混合盲分离，获得频率片wk上的混合矩阵的估计值 和分离信号E(S‾(wk,l))=1PΣp=0P-1S‾(wk,l+p·T).]]>近似联合对角化的具体实现方式如下a)生成 的白化信号 Ew(X‾(wk,l))=U-0.5E(X‾(wk,l)),]]>其中U=Cov(E(X‾(wk,l)),E(X‾(wk,l))).]]>b)生成 二阶非零延时协方差矩阵R(τ)=Cov(E(X‾(wk,l)),E(X‾(wk,l+τ))),]]>τ＝1，2，…，M。M的经验取值为10以上的整数。
c)当D＝2时，设R(τ)=a(τ)b(τ)c(τ)d(τ),]]>g(τ)＝[a(τ)-d(τ)，b(τ)-c(τ)，j(c(τ)-b(τ)]′，G＝[g(1)，g(2)，…，g(M)]′。以矩阵GHG各元素的实部构成实数矩阵Real(GHG)，对Real(GHG)做本征值分解，求其模最大本征值对应的本征向量v＝[v1，v2，v3]′(JADE算法保证D＝2时v必为3维的单位列向量)，并生成矩阵V=0.5·2·(1-v1)/2-(v2+j·v3)/(1-v1)/2(v2-j·v3)/(1-v1)/22·(1-v1)/2,]]>则两路卷积混合盲分离时2×2的 即为V。
d)当D＞2时(参予卷积混合盲分离的混合信号路数多于2)，对各D×D矩阵R(τ)取第α、β行，第α、β列相交位置的四个元素构成2×2被对角化矩阵(其中1≤α≤D，α≤β≤D)，利用c)中方法进行近似联合对角化，获得2×2的矩阵V。然后生成D×D的单位阵，再将V(1，1)、V(1，2)、V(2，1)和V(2，2)分别代替的单位阵(α，α)，(α，β)，(β，α)和(β，β)位置的元素，形成矩阵Tq，其中1≤q≤D(D-1)/2，则多路卷积混合盲分离时D×D的 为H‾^(wk)=Πq=1D·(D-1)/2Tq.]]>(4)按集合独立的原理，依据 调整各频率片上 列向量间的对应关系，生成真实的H‾(wk)(0≤q≤T-1),]]>从而克服不同频率片上顺序不确定性的不统一a)以矢量 中各元素的实部构成矢量Y(wk,l)=[Y‾1(wk,l),...,Y‾D(wk,l)]′,]]>又令参考频率片为wr＝0，则第k个频率片wk上与 (i＝1，...，D)对应的输出序列为O‾i(wk,l)=Y‾σ(i,k)(wk,l),]]>其中O‾i(wr,l)=Y‾i(wr,l),]]>σ(i,k)=argmaxj=1,2,...,D(|Exp{[O‾i(wr,l)-Exp(O‾i(wr,l))][O‾j(wk,l)-Exp(O‾j(wk,l))]*}|),]]>Exp表示取数学期望。
b)生成D×D的单位矩阵I、调整矩阵Λk和真实的 其中Λ(，i)＝I(，σ(i，k))，H‾(wk)=H‾^(wk)·Λk.]]>(5)对调整后的 (wk＝2πk/T，k∈
)，利用傅立叶逆变换生成逆混合滤波器(分离滤波器)阵列，将卷积混合信号输入分离滤波器)阵列生成最终的卷积混合分离信号a)取W‾(wk)=H‾-1(wk),]]>从卷积混合信号Xi到分离信号Yg(1≤i≤D，1≤g≤D)之间的分离滤波器wig的脉冲冲击响应为wig=IFFT([W‾(w1)(i,g),...,W‾(wk)(i,g),...,W‾(wT)(i,g)]′),]]>其中IFFT表示傅立叶逆变换， 表示矩阵 在第i行第g列的元素。
b)将卷积混合信号矢量X(n)＝[X1(n)，...，XD(n)]’通过分离滤波器阵列生成分离信号矢量Z(n)＝[Z1(n)，...，ZD(n)]’，使[Z1(n)，...，ZD(n)]’作为源信号[S1(n)，...，SD(n)]’的估计(存在顺序和幅度的不确定性)。即Z(n)=(W*X)(n)=Στ=0T-1W(τ)X(n-τ)]]>其中W(τ)(i，j)＝wij(τ)(τ＝0，…，M-1)。
权利要求
1.一种基于非连续平滑的卷积混合频域盲分离方法，用于减少源信号STFT的瞬时混合和卷积混合信号STFT间的误差，提高卷积混合频域盲分离的分离效果，其特征在于具体步骤如下(1)对卷积混合信号Xi(n)做帧长为T帧移为o的分帧，并求各帧Xi(l)(i＝1，2，…，D)的T点短时傅立叶变换，得 及矢量序列X‾(wk,l)=[X‾1(wk,l),...,X‾D(wk,l)]′,]]>其中wk＝2πk/T，k∈
，i∈{1，2，…，D}，l表示帧的序号；(2)在各频率片wk上，生成 的非连续多时刻短时傅立叶变换系数平滑结果E(X‾(wk,l))=1PΣp=0P-1X‾(wk,l+p·T),]]>其中为P平滑因子，T为前述的分帧帧长。(3)利用 执行频率片wk上的瞬时混合盲分离，获得频率片wk上的混合矩阵的估计值 和分离信号E(S‾(wk,l))=1PΣp=0P-1S‾(wk,l+β·p);]]>(4)按集合独立的原理，依据 调整各频率片上 列向量间的对应关系，生成真实的H‾(wk)(0≤q≤T-1),]]>从而克服不同频率片上顺序不确定性的不统一a)以矢量 中各元素的实部构成矢量Y(wk,l)=[Y‾1(wk,l),...,Y‾D(wk,l)]′,]]>又令参考频率片为wr＝0，则第k个频率片wk上与Y‾i(wr,l)(i=1,...,D)]]>对应的输出序列为O‾i(wk,l)=Y‾σ(i,k)(wk,l),]]>其中O‾i(wr,l)=Y‾i(wr,l),]]>σ(i,k)=argmaxj=1,2,...,D(|Exp{[O‾i(wr,l)-Exp(O‾i(wr,l))][O‾j(wk,l)-Exp(O‾j(wk,l))]*}|),]]>Exp表示取数学期望；b)生成D×D的单位矩阵I、调整矩阵Λk和真实的 其中Λ(，i)＝I(，σ(i，k))，H‾(wk)=H‾^(wk)·Λk;]]>(5)对调整后的 wk＝2πk/T，k∈
，利用逆短时傅立叶变换生成逆混合滤波器阵列生成最终的卷积混合分离信号。
2.根据权利要求1所述的卷积混合频域盲分离方法，其特征在于，所述的步骤(3)利用 执行频率片wk上的瞬时混合盲分离，而非通常频域卷积混合盲分离所用的 本身。
3.根据权利要求1所述的卷积混合频域盲分离方法，其特征在于，所述的步骤(3)中利用E(X‾(wk,l))=1PΣp=0P-1X‾(wk,l+p·T)]]>执行频率片wk上的瞬时混合盲分离，当平滑因子P越大则本方法相对于通常频域卷积混合盲分离方法提升的分离精度越高。
4.根据权利要求1所述的卷积混合频域盲分离方法，其特征在于，所述的步骤(4)中仅采用每个频率片上瞬时混合分离信号的实部代替代替传统调整方法中瞬时混合分离信号本身(复数)。由于复数间的乘法需要4次实虚部间交叉相乘，而本发明所采用方法式只需2个复数的实部相乘，相对传统调整方法，本发明所采用方法显著降低运算量(运算量仅为传统调整方法的1/4)，且更符合参考信号 仅含实部的条件。
全文摘要
本发明涉及一种基于非连续平滑的卷积混合盲分离频域方法。本方法是将各路卷积混合信号执行短时傅立叶变换，继而对短时傅立叶变换系数进行非连续多时刻短时傅立叶变换系数平滑。在每个频率片上利用近似联合对角化方法对平滑结果执行瞬时混合盲分离，获得每个频率片上的混合矩阵和分离信号。利用分离信号的实部调整各频率片上混合矩阵的列向量的顺序，并利用各频率片上调整后混合矩阵的逆阵生成分离滤波器阵列。将卷积混合信号通过分离滤波器阵列生成分离信号，完成卷积混合盲分离。该方法有助于降低源信号STFT系数的瞬时混合和卷积混合信号STFT系数间的误差，从而提升分离性能。此外，相对于传统各频率片上混合矩阵的列向量的顺序调整方法，本发明方法显著降低了运算量。
文档编号G06F17/14GK101086730SQ20071004377
公开日2007年12月12日 申请日期2007年7月13日 优先权日2007年7月13日
发明者王超, 方勇, 张倩, 吴美武 申请人:上海大学