基于盲信号处理的声音分离——最小化增益的ICA算法

基于最小化增益的ICA算法的算法是依据混合信号经过盲信号分离会产生一定的噪声，为了使得分离后的信号与原信号的比值最小时，叫做增益最小。当增益越小时，分离后噪声越小，分离信号越接近原信号，分离算法的效果越好。这是一种新的低计算复杂度的瞬时线性混叠信号的盲分离算法。依据分离后信号与原信号建立增益函数，将增益函数作为该算法的代价函数，其增益函数可以表示为

同样由于原信号未知，因此采用估计信号Y的滑动平均 来代替原信号S，此时增益函数可以表示为，增益函数的形式与最大化信噪比的ICA算法的信噪比函数的形式相似，经过相似处理之后，对增益函数关于分离矩阵W求极值可以得到，极值点的分离矩阵满足

其中分离矩阵W通过是矩阵 的特征向量组成的矩阵，基于最小化增益的ICA算法同样无需迭代计算，就可以计算得到分离矩阵W。该方法与最大化信噪比的ICA算法比较相似，是对基于最大化信噪比算法的改进，其串音误差性能优于最大化信噪比的ICA算法，保持在-23dB左右，性能受滑动平均长度的影响较小。