基于最小体积约束的频域卷积盲源分离

频域盲源分离算法多数基于窄带假设,该假设在长混响环境下不成立.基于卷积传递函数(Convolutive Transfer Function,CTF)的多通道非负矩阵分解(Multichannel Nonnegative Matrix Factorization,MNMF)方法不依赖窄带假设,在长混响环境下的分离性能较其他传统算法有显著提升.但是,非负矩阵分解(NMF)对源信号功率谱进行近似估计在大多数情况下是病态的,其最优解不唯一.本文提出了一种基于最小体积约束的频域卷积盲源分离方法,在多通道非负矩阵分解(CTF-MNMF)的目标函数中,引入NMF基矩阵的最小体积约束来提高问题的适定性和求解参数的可辨识性.采用Majorization-Minimization(MM)优化方法对最小体积约束的目标函数进行求解,导出了估计参数的闭式解.仿真实验表明,在长混响环境下,所提方法比CTF-MNMF具有更好的分离性能.