جداسازی کور سیگنال منابع در حالت دینامیک با استفاده از الگوریتم جدید IBM

در این مقاله، یک مساله جدید برای جداسازی سیگنال منابع گفتار به روش کور معرفی میشود که در آن تعداد منابع فعال صوتی و مشخصات آنها متغیر با زمان است. این در حالی است که در تحقیقات گذشته تمام منابع در تمام بازههای زمانی فعال هستند. برای جداسازی این نوع سیگنالها الگوریتم جدیدی را با رویکرد تک بلوکی پیشنهاد میکنیم. این الگوریتم ترکیبی از الگوریتم ICA و ماسک باینری است و آن را IBM (ICA+Binary Mask) می نامیم در الگوریتم IBM ابتدا با استفاده از الگوریتم ICA جداسازی اولیه منابع انجام می شود. و سپس با کمک سیگنالهای جدا شده، ماسک باینری بازههای سکوت ایجاد میگردد. در نهایت با اعمال ماسک باینری به سیگنالهای جدا شده، جداسازی نهایی بدست میآید. نشان خواهیم داد که به طور متوسط الگوریتم پیشنهادی IBM در مقایسه با الگوریتم مرجع 6dB ،DESPRIT بهبود در SIR,SDR ایجاد می کند و سبب 5dB بهبود در معیار SEN نسبت به الگوریتمهای DESPRIT,ICA می شود.

کلیدواژه ها:

جداسازی منابع به روش کور ، آستانه گذاری مشروط ، ماسک باینری