کاربرد الگوریتم جداسازی کور منابع در جداسازی سیگنال های گفتار و موسیقی

این مقاله کاربرد یکی از الگوریتم های تجزیه به مولفه های مستقل (ICA) در جداسازی ترکیب های لحظه ای سیگنال های گفتار و موسیقی مورد بحث قرار می گیرد. الگوریتم جداساز در حوزه زمان بوده و برای مینیمم سازی اطلاعات متقابل به تخمین تابع رتبه نیاز دارد. برای تخمین تابع رتبه نمونه هایی از سیگنال های ترکیب شده خروجی الگوریتم جداساز باید انتخاب گردد که اثر منابع اولیه در آن وجود داشته باشد. از آن جا که سیگنال های گفتار و موسیقی در بازه هایی از زمان می توانند دارای فواصل سکوت باشند، انتخاب فریمی از سیگنال های ترکیب شده با اثر هر دو منبع اولیه در مساله ما اهمیت پیدا می کند. روش پیشنهادی ما استفاده از پارامتر تفاضل توابع رتبه است که با انتخاب یک حد آستانه می توان فریم بهینه را انتخاب نمود. کارایی الگوریتم جداساز با دو تخمین زن ترکیب های گوسی و حداقل میانگین مربع خطا مقایسه شده است. نتایج شبیه سازی نشان می دهد که اولا روش پیشنهادی عملکرد خوبی را در حذف بازه های سکوت از خود نشان می دهد و ثانیا الگوریتم جداساز با تخمین زن ترکیب های گوسی می تواند به تفکیک بهتر سیگنال ها و زمان پردازش کمتر الگوریتم جداساز منجر شود.