頻域獨立成分分析法於語音訊號分離之研究

Abstract

在本論文中，針對由聲源與channel捲積(convolute)而來之混和語音訊號在頻域利用獨立成分分析法做訊號分離。將對於頻域獨立成分分析法所延伸出之兩大問題- permutation problem與dilation problem加以探討。由於混和訊號需滿足複數之FastICA演算法對於其訊號源之假設，而一般語音訊號無法符合其假設，因此設計出一組適合FastICA分離之訊號源使得FastICA能夠成功地完成訊號分離以找出其對應之demixing matrix，而達成訊號分離之目的。除此之外，當訊號源為一固定噪音與一移動語音時，亦可利用noise之channel效應不變之特性將語音分離出來。