基于相邻频带相关性建模的盲源分离
最优化与控制
2026-04-07 v2
摘要
多通道盲源分离（MBSS）旨在从混合观测中分离感兴趣的信号，该技术在声学和语音处理领域受到广泛关注。现有的 MBSS 算法，如独立低秩矩阵分析（ILRMA）和多通道非负矩阵分解（MNMF），利用源模型的低秩结构，但假设频率箱与箱之间是独立的。相反，独立向量分析（IVA）不依赖低秩源模型，而是基于统一的相关性假设捕获频率依赖性。在本工作中，我们展示了语音信号中相邻频率箱之间的依赖性显著大于远距离箱之间的依赖性。为此，我们引入基于加权Sinkhorn 发散的 ILRMA（wsILRMA），该方法同时捕获这些频率间依赖性并建模联合概率分布。我们的方法包含频率间相关性约束，导致与现有方法相比在信噪比（SDR）和源干扰比（SIR）方面的分离性能显著提高。
关键词
引用
@article{arxiv.2504.03996,
title = {On the Semidefinite Representability of Continuous Quadratic Submodular Minimization With Applications to Moment Problems},
author = {Samuel Burer and Karthik Natarajan},
journal= {arXiv preprint arXiv:2504.03996},
year = {2026}
}
备注
38 pages, 2 figures