盲源分離算法學習筆記

麥克風陣列算法有兩大類，一類是波束形成算法，另一類是盲源分離算法，兩者互有優劣。本篇博客先通過比較盲源分離和波束形成來說明盲源分離的優缺點，盲源分離的基礎知識，然後分別介紹盲源分離的常見實現方式。本篇盲源分離算法主要是記錄ICA算法，若無指明，BSS和ICA在本篇博客中是等價的。

優缺點（Pros & Cons）

優點

• 盲源分離不需要目標語音VAD的先驗信息。
  這個先驗信息對於波束形成算法是很關鍵的，其準確程度直接影響性能。而盲源分離不需要做自適應濾
• 盲源分離不需要目標語音的DOA信息。

缺點

• 盲源分離的結果是混淆的。
  比如兩個聲源$s_1，s_2$，分離出來的順序可以是$\hat{s_1}, \hat{s_2}$，也可能是$\hat{s_2}, \hat{s_1}$。
• 盲源分離要求輸入的信號最多一個是高斯分佈。
  ICA算法的假設是兩個聲源$s_1，s_2$是相互獨立的，那麼分離出來的$\hat{s_1}, \hat{s_2}$也是相互獨立的。如果$s_1$和$s_2$都是高斯分佈，且相互獨立。那麼通過任意的正交矩陣混合後，仍然相互獨立。對於ICA算法來說就有無窮多解，導致無法分開。
• 盲源分離無法應對長混響場景。
  • 長混響場景，信號的幅度都是高斯分佈。
  • 長混響場景，解卷積的長度不好設定。長度太短無法包含長混響的衝激響應。長度太長不滿足相互獨立的假設。
  • 長混響場景，麥克風陣列得到的信號從各個方向過來。盲源分離本質上相當於多組ABF，波束形成也無法應對這種場景。
• 盲源分離需要多次迭代，運算量大，收斂速度慢。