كاربرد الگوريتم جداسازي كور منابع در جداسازي مخلوط سيگنال‌هاي گفتار و موسيقي

Application of Blind Source Separation for Speech-Music Separation

در اين مقاله كاربرد يكي از الگوريتم‌هاي تجزيه به مولفه‌هاي مستقل (ICA) در جداسازي تركيب‌هاي لحظه‌اي سيگنال‌هاي گفتار و موسيقي مورد بحث قرار مي‌گيرد. الگوريتم جداساز در حوزه زمان بوده و براي كمينه‌سازي اطلاعات متقابل به تخمين تابع رتبه نياز دارد. براي تخمين تابع رتبه نمونه‌هايي از سيگنال‌هاي تركيب شده، خروجي الگوريتم جداساز بايد انتخاب گردد كه اثر منابع اوليه در آن وجود داشته باشد. از آن‌جا كه سيگنال‌هاي گفتار و موسيقي در بازه‌هايي از زمان مي‌توانند داراي فواصل سكوت باشند، انتخاب قاب از سيگنال‌هاي تركيب‌شده با اثر هر دو منبع اوليه در مساله ما اهميت پيدا مي‌كند. روش پيشنهادي ما استفاده از پارامتر تفاضل توابع رتبه است كه با انتخاب يك حدّ آستانه مي‌توان قاب بهينه را انتخاب نمود. كارايي الگوريتم جداساز با دو تخمين‌زن تركيب‌هاي گوسي و حدّاقل ميانگين مربع خطا مقايسه شده است. نتايج شبيه‌سازي نشان مي‌دهد اوّل اين كه روش پيشنهادي عملكرد خوبي را در حذف بازه‌هاي سكوت از خود نشان مي‌دهد و دوم اين كه الگوريتم جداساز با تخمين‌زن تركيب‌هاي گوسي مي‌تواند به تفكيك بهتر سيگنال‌ها و زمان پردازش كمتر الگوريتم جداساز منجر شود.

In this paper, the application of the Independent Component Analysis technique in speech-music separation is discussed. The separation algorithm is in the time domain. It needs the score function estimation to minimize the mutual information. For estimating score function, sufficient samples of the mixed (speech-music) signals are needed. In other words, these samples must be included both original sources. Since the speech and music signals could contain the silent gaps, the frame selection is important in our problem. Our proposed method for selecting the optimum frame is based on the score function difference. The experimental results show good performance of the proposed method in elimination of the silent gaps. Also they express the separation algorithm based on Gaussian Mixture estimator achieves a better separation performance and less processing time compared to the separation algorithm based on Minimum Mean Square Error estimator.