[发明专利]结合声学回声消除的优化通过独立分量分析的源分离

权利要求书

1.一种使用信号处理装置处理信号的方法，包括：

在信号处理装置中接收多个时域混合信号，每个时域混合信号包括原始源信号的混合；

将所述时域混合信号转换为时频域，从而生成与所述时域混合信号对应的时频域混合信号；以及

对所述时频域混合信号执行结合声学回声消除的独立分量分析，以便生成与所述原始源信号中的至少一个对应的至少一个估算的源信号，

其中所述执行结合声学回声消除的独立分量分析包括，同时联合优化声学回声消除滤波器和独立分量分析去混合矩阵的解，以及

其中所述独立分量分析使用多元概率密度函数，以便保持所述至少一个估算的源信号中的频率区的对准。

2.如权利要求1所述的方法，其中原始源信号的混合包括通过声学回声消除而消除的远端源信号和本地源信号。

3.如权利要求1所述的方法，其中所述混合信号包括至少一个语音源信号，并且所述至少一个估算的源信号与所述至少一个语音信号对应。

4.如权利要求1所述的方法，其中所述多元概率密度函数是混合多元概率密度函数，所述混合多元概率密度函数是与不同源信号和/或不同时间段对应的频率区的分量多元概率密度函数的加权混合。

5.如权利要求1所述的方法，其中所述执行结合声学回声消除的独立分量分析包括，最小化被配置为最大化估算的源信号的负熵的成本函数。

6.如权利要求1所述的方法，其中所述执行傅里叶相关变换包括，在多个离散时间段上执行短时傅里叶变换(STFT)。

7.如权利要求1所述的方法，其中所述执行结合声学回声消除的独立分量分析包括，使用期望最大化算法来估算分量多元概率密度函数的参数。

8.如权利要求1所述的方法，其中，所述执行独立分量分析包括，在分量概率密度函数的参数的估算中，使用预训练的干净语音的特征向量。

9.如权利要求8所述的方法，其中所述执行独立分量分析还包括使用预训练的特征向量。

10.如权利要求8所述的方法，其中所述执行独立分量分析还包括使用运行时数据训练特征向量。

11.如权利要求1所述的方法，其中联合优化声学回声消除滤波器和独立分量分析去混合矩阵的解包括，使用对称正交化来归一化滤波器。

12.如权利要求1所述的方法，其中联合优化声学回声消除滤波器和独立分量分析去混合矩阵的解包括，使用收缩正交化来归一化滤波器，以便提取所述源信号中的一个，而不必要提取其他。

13.如权利要求1所述的方法，其中所述概率密度函数具有球形分布。

14.如权利要求13所述的方法，其中所述概率密度函数具有拉普拉斯分布。

15.如权利要求13所述的方法，其中所述概率密度函数具有超高斯分布。

16.如权利要求1所述的方法，其中所述概率密度函数具有多元广义高斯分布。

17.如权利要求1所述的方法，其中所述混合多元概率密度函数是与不同源对应的频率区的分量概率密度函数的加权混合。

18.如权利要求1所述的方法，其中所述混合多元概率密度函数是与不同时间段对应的频率区的分量概率密度函数的加杈混合。

19.如权利要求1所述的方法，还包括在信号处理装置中接收所述时域混合信号之前，使用麦克风阵列观测所述时域混合信号。