贝叶斯源分离与定位

混合信号问题出现在许多不同的情境中；最为熟悉的情形之一是声学。声学中的正问题包括：由有源声源发出的声音信号在各种探测器处产生的声压级。逆问题则是利用探测器记录的声音来分离信号并恢复原始的源波形。一般而言，若无附加信息，逆问题不可解。这一一般性问题称为源分离，已有若干技术被开发出来，利用了最大熵、最小互信息和最大似然。在先前工作中已表明，这些技术可被重构于贝叶斯框架中。本文展示了贝叶斯方法的威力，它为将先验信息纳入源模型提供了自然手段。我们开发了一种算法，利用了关于源所发射信号幅值的统计特性以及探测器相对位置的信息。利用该先验信息，算法寻找最可能的源行为与构型。因此，逆问题可通过同时执行源分离与定位来求解。需指出，该算法并非为考虑声源分离中常重要的时延而设计。然而，该算法的一个可能应用在于分离使用脑电图（EEG）与脑磁图（MEG）所获得的电生理信号。