單聲道信號源分離最大似然方法

1、<p>　單聲道信號源分離最大似然方法4 評價現在，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，固定小波函數和數據驅動主成分分析（PCA）的基礎上過濾器。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，我們目前的分離結果在真實的環(huán)境噪聲和語音記錄。圖5：仿真系統(tǒng)設置。（A）訓練階段：兩套訓練數據用來獲取基礎的過濾器

2、和廣義高斯參數。（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上過濾器和廣義高斯PDF參數集。4.1仿真設置我們已經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。仿真系統(tǒng)設置如圖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上過濾器WIK，并建模系數的廣義高斯的參數（IK）（stik）PDFS?；A的過濾器和PDF參數估計分別為源1和源2。