基于 ICA 与 DL 的语音信号盲分离

独立分量分析旨在解决于 Colin Cherry 提出
了著名的”鸡尾酒会”问题，在一个房间里，有
八人同时在说话，此时有八个不同位置上的麦
克风，分别记录八个时间信号 $x(i)(t),i=1\cdot \cdot \cdot 8，$
若每个源信号之间相互独立，则每个记录信号
均是八个讲话者发出的语音信号的加权和，以
$s(i)(t),i=1\cdot \cdot \cdot 8$来表示八个原信号。此语音混
合过程可以描述如右图2.1所示：

则易表示原始信号与记录信号之间存在以下关
系：


ICA 可以选取多种目标函数 (对比函数) 进行优化。首先从信息论的角度，以最大似然原理作为出发点，有最大似然以及最小互信息作为目标函数；接着另一类基于高阶相关性的目标函数————高阶累积量以及负熵；最后将假设检验原理引入到 ICA 建模中，得到似然比目标函数。

深度学习的语音盲分离