为降低盲源分离方法的计算复杂度，中科院噪声与振动重点实验室的康坊与其导师杨飞然研究员、杨军研究员提出了一种基于独立成分分析的低复杂度盲源分离方法，在保证分离性能不受影响的情况下，极大地降低了计算复杂度。
相关研究成果近期发表于国际学术期刊 Speech Communication。
人们将独立成分分析应用于每一个频点的混合信号进行声源分离。独立成分分析方法固有的顺序模糊性导致频间信号顺序混叠，分离后的信号需要进行顺序调整，但复杂的排序机制极大地增加了整体的计算复杂度。
本工作中，研究人员利用声源自身存在的频间依赖性，对不同频率间的分离信号做相关性分析来解决顺序模糊性问题。首先采用非迭代的方法对分离信号进行相邻频点排序，为防止错排结果传播，对可信度低的频点参照局部中心点进行顺序调整。局部排序的结果为全局聚类校正提供一个较优的初始化，仅需少量的迭代次数便可达到收敛效果。
实验结果表明，本方法的计算复杂度要远低于具有相同分离性能的其他分离方法。
这种低复杂度的盲源分离方法可用于语音交互、电话通信以及助听器设备等应用场景，提高语音质量和语音可懂度。
本研究得到国家重点研发计划（项目编2017YFC0804900），中国科学院青年创新促进会（2018027），中国科学院声学研究所青年英才计划项目（QNYC201812）和中国科学院先导专项项目（XDC02020400）资助。
图1 计算复杂度对比（图/中科院声学所）
图2 不同混响时间下的分离性能对比（左）平均输出信干比与（右）平均PESQ得分（图/中科院声学所）
关键词：
频域盲源分离；顺序模糊性问题；局部排序；全局校正；计算复杂度
参考文献：
KANG Fang, YANG Feiran, YANG Jun. A low-complexity permutation alignment method for frequency-domain blind source separation. Speech Communication. 2019, 115: 88-94. DOI: 10.1016/j.specom.2019.11.002.
论文链接
https://doi.org/10.1016/j.specom.2019.11.002
