CN100430747C - 位置信息估计装置及其方法 - Google Patents

Abstract

来自排列在二维中的多个传感器的观察信号x₁(t)到x_J(t)接受短时间傅立叶变换。由此产生信号X₁(ω₁)～X₁(ω_N)、～、X_J(ω₁)～X_J(ω_N)，并由独立分量分析方法产生分离矩阵W(ω₁)～W(ω_N)。计算其逆矩阵H(ω₁)～H(ω_N)。对关于每个ω_n(n＝1，…，N)的每列的一对元素H_ji(ω_n)和H_j′i(ω_n)，计算角度Q_i，jj′(ω_n)＝cos^-1(arg(H_ji(ω_n)/H_j′i(ω_n)/(ω_n)c^-1|d_j-d_j′|))。arg(α)为α，c为信号传播速度，|d_j′-d_j|为传感器i和j′之间的间距。置换列以便从每列所获得的Q_i，jj′(ω_n)在H(ω₁)-H(ω_N)中为升序。对于不能被置换的列，对于q_i求解方程|q_i-d_j′|/|q_i-d_j|＝|H_ji(ω_n)/H_j′i(ω_n)|＝DR_i，jj′(ω_n)并计算R_i，jj′(ω)＝|DR_i，jj′(ω)·(d_j′-d_j)/(DR² _i，jj′(ω)-1)|。置换H(ω_n)的列以便R_i，jj′(ω_n)为升序。使用H(ω_n)来解决W(ω)的置换问题。

Description

位置信息估计装置及其方法

技术领域

本发明涉及用于根据使用从信号源发射并且接着被混合在一起的信号的多个传感器的观察来估计诸如声音源和无线电波源的多个信号源的每个的位置信息的装置、方法和程序，或者更具体而言，本发明涉及用于估计包括至少一个参数的信息的装置、方法和程序，所述参数指示要用于检测信号的到达方向和将信号分离为每个信号源以及恢复信号中的位置。

背景技术

已经提出使用独立的分量分析(以下简称为ICA)来估计源信号的到达方向和当来自多个信号源的信号在它们到达传感器之前在空间中混合的时候，分离来自由多个传感器观察的来临信号(oncoming signal)的源信号。在空间中混合导致卷积式混合，其中某些信号与多个时延混合，因为对于直达波和对于由传播障碍物引起的多个反射波，从信号源到传感器的到达延迟和衰减系数具有不同的值。直接确定在时域中的分向滤波器的ICA处理在会聚到最后的解时很慢，因此将ICA处理应用到在频域中的独立频率的方法更为现实。

到达方向(arrival direction)的估计

将参照图1来简述在频域中使用ICA处理以估计作为位置信息的信号源的方向的传统方法。提供了J个传感器1₁、1₂、...、1_J的线性阵列。由d_j来表示传感器1_j的位置(j＝1，2，...，J)，由x_j(t)来表示由传感器1_j观察的信号。考虑与传感器1₁、1₂、...、1_J的阵列的方向成90°垂直的方向，假定源信号si(t)的到达方向在0°≤θ_i≤180°范围内。假定I个源信号s₁(t)、...、s_I(t)的混合信号由J个传感器1₁到1_J检测为观察信号x₁(t)、...、x_j(t)。

在频域中频繁地进行信号的到达方向的估计。在此，所观察信号x_j(t)进行短时间傅立叶变换以获得在频域中的时间系列信号X_j(ω，m)，其中ω表示角频率(ω＝2πf，其中f表示频率)，并且m是表示时间的量。假定在频域中源信号s_i(t)(i＝1，...，I)被类似地变换为时间系列信号S_j(ω，m)，被观察信号X_j(ω，m)可以被表达为 $X_j(\mathrm{\ω},m)=\underset{i=1}{\overset{I}{\mathrm{\Σ}}}{A}_{\mathrm{ji}}(\mathrm{\ω},m)S_i(\mathrm{\ω},m),$ 其中A_ji(ω)表示从信号s_i的信号源到传感器1_j的频率响应。这可以以向量和矩阵来表达如下：

X(ω，m)＝A(ω)S(ω，m)                  (1)

其中

X(ω，m)＝[X₁(ω，m)，...，X_J(ω，m)]^T   (2)

S(ω，m)＝[S₁(ω，m)，...，S_I(ω，m)]^T   (3)

是由J个传感器观察的信号和I个源信号的向量表示。A(ω)是以频率响应A_ji(ω)作为元素的J×I矩阵，并且被称为混合矩阵，因为它表示信号混合系统的频率响应。表示[a]^T表示向量或矩阵a的转置。

在图1中，在方向θ_i中来临的源信号相对于位于d₁＝0的传感器1₁早τ_ij＝c^-1d_jcosθ_i到达传感器1_j，其中c表示源信号s_i的速度。因此，当仅仅考虑直达波的时候，在角频率ω的频率响应可以被建模如下：

A_ji(ω)＝exp(jωc^-1d_jcosθ_i)             (4)

将具有方向θ的到达方向向量表示如下：

a(ω，θ)＝[exp(jωc^-1d₁cosθ)，exp(jωc^-1d₂cosθ)，...，exp(jωc^-1d_Jcosθ)]，通过近似可以将被观察的信息表达为

$X(\mathrm{\ω},m)=\underset{i=1}{\overset{I}{\mathrm{\Σ}}}a(\mathrm{\ω},{\mathrm{\θ}}_i)S_i(\mathrm{\ω},m).$

在例如S.Kurita，H.Saruwatari，S.Kajita，K.Takeda and F.Itakura，“Evaluation of blind signal separation method using directivity pattern underreverberant conditions”，in Proc.ICASS2000，2000，pp.3140-3143(S.Kurita，H.Saruwatari，S.Kajita，K.Takeda和F.Itakura，“在反射条件下使用方向性模式的盲信号分离的估计方法，ICASS2000会刊，2000年，第3140-3143页)(称为文献1)。下面简述这种方法。

被观察信号X(ω，m)等于A(ω)S(ω，m)用于指示源信号S(ω，m)的混合，因此不是相互独立的。当独立分量分析被应用到X(ω，m)时，

Y(ω，m)＝W(ω)X(ω，m)                      (5)

存在获得的相互独立分离的信号

Y(ω，m)＝[Y₁(ω，m)，...，Y_I(ω，m)]^T       (6)

W(ω)是具有元素W_ij(ω)的I×J矩阵，被称为分离矩阵。例如，当I＝J＝2的时候，独立分量分析寻找满足

$\left[\begin{array}{c}{Y}_1(\mathrm{\ω},m)\\ Y_2(\mathrm{\ω},m)\end{array}\right]=\left[\begin{array}{cc}{W}_{11}\left(\mathrm{\ω}\right)& W_{12}\left(\mathrm{\ω}\right)\\ W_{21}\left(\mathrm{\ω}\right)& W_{22}\left(\mathrm{\ω}\right)\end{array}\right]\·\left[\begin{array}{c}{X}_1(\mathrm{\ω},m)\\ X_2(\mathrm{\ω},m)\end{array}\right]$

的分离矩阵W(ω)，以便Y₁(ω，m)和Y₂(ω，m)彼此独立。当源信号S₁(ω，m)、...、S_I(ω，m)彼此独立的时候，独立信号Y₁(ω，m)、...、Y_I(ω，m)应当对应于源信号中的某一个。但是，应当注意所述独立分量分析仅仅是基于信号的独立性的，因此分离信号的次序和量值保持任意性。换句话说，如果相互交换分离矩阵W(ω)的行或如果将W(ω)的行乘以常数，则它们仍然保持为独立分量分析的解。如下所述，次序的任意性导致置换问题，量值的任意性导致定标问题。

考虑分离矩阵W(ω)的第i行

w_i(ω)＝[W_iI(ω)，...，W_iJ(ω)]，

可以看出w_i(ω)建立了分离信号Y_i(ω，m)。因此，w_i(ω)重点指定源信号S₁(ω，m)、...、S_I(ω，m)之一，同时抑制其他者。通过分析由w_i(ω)形成的方向性模式(directivity pattern)，可以进行分析以看提取来临信号的方向是什么和抑制来临信号的方向是什么。因此，可以依靠这个分析来估计源信号s_i(t)的到达方向。当对于每个w_i(ω)、i＝1，...，I重复这个处理的时候，可以估计在分离矩阵W(ω)中由每个w_i(ω)提取的源信号的到达方向θ＝[θ¹(ω)，...，θ^I(ω)]^T。

可以使用到达方向向量a(ω，θ)将由w_i(ω)定义的方向性模式表达为B_i(ω，θ)＝w_i(ω)a(ω，θ)。B_i(ω，θ)被当作从位于方向θ的源信号到分离信号Y_i(ω，θ)的频率响应。图2示出了在3156Hz的、在独立分量分析之后的方向性模式的增益|B_i(ω，θ)|，其中横坐标表示θ，而纵坐标表示增益。以实线示出的曲线表示由分离矩阵的第一行给出的方向性模式|B₁(ω，θ)|，以虚线示出的曲线表示由第二行给出的方向性模式|B₂(ω，θ)|。可以看出，实线曲线在55°具有最小增益，虚线曲线在121°具有最小增益。由此显然，分离矩阵的第一行提取来自121°的来临信号，同时抑制来自55°的来临信号，分离矩阵的第二行提取从55°来临信号，同时抑制从121°来临信号。因此，可以提供估计θ(3156Hz)＝[121°，55°]^T。

MUSIC(多信号分类)方法(例如参见S.Unnikrishna Pillai，“Array SignalProcessing”，Springer-Verlag，1989，ISBN 0-387-96951-9，ISBN 3-540-96951-9(S.Unnikrishna Pillai，“阵列信号处理”，Springer-Verlag，1989，ISBN0-387-96951-9，ISBN 3-540-96951-9))被公知为使用多个传感器来估计多个信号源的方向和在频域中转换来自传感器的被观察信号的方法。使用这种方法可以估计多达(J-1)个--比传感器的数量J小1--信号源的方向。相反，按照包括独立分量分析的方法(这样的方法被简称为ICA方法)，两个传感器可以容纳两个信号的混合，因此这种方法在这个方面比MUSIC方法优越。但是，使用这种ICA方法，对于三个或更多信号的混合体的容纳有困难，如下所述。另外，方向性模式的最小增益的确定需要高计算成本的计算。

以下说明将ICA方法应用到使用三个传感器的三个信号的混合体。在这种情况下，ICA可以以与上述类似的方式取代为3×3分离矩阵，但是方向性模式的增益分析有困难。图3示出了在ICA处理之后的频率2734Hz的方向性模式的增益|B_i(ω，θ)|。在图3中，实线曲线表示由分离矩阵的第一行给出的方向性模式，虚线曲线表示由第二行给出的方向性模式，单点划线曲线表示由第三行给出的方向性模式。在这种情况下，期望每个源信号将由分离矩阵的某个行加重，并且由剩余的两行抑制。但是，不总是保证两行在同一方向抑制信号。举例而言，参见图3，可以看出|B₂|和|B₃|都假定最小值在45°附近，以指示w₁(ω)提取位于45°附近的源信号，而w₂(ω)和w₃(ω)抑制这个源信号。以类似的方式，|B₁|和|B₃|都假定最小值在90°附近，以指示w₂(ω)提取了位于90°附近的源信号，而w₁(ω)和w₃(ω)抑制这个源信号。尽管如此，虽然看起来w₃(ω)提取了位于120°附近的源信号，而w₁(ω)和w₂(ω)抑制这个源信号，但是可以看出，在120°附近的|B₁|和|B₂|的最小值彼此相差很大。当以这种方式来提高所述差别的时候，确定在任何方向进行的哪个抑制对应于哪个源信号变得不清楚。结果，可以预料向涉及三个或更多的信号的情形应用包括ICA方法的现有技术是难以实现的。

盲信号分离

现在说明使用ICA的盲信号分离的现有技术。所述盲信号分离表示用于从被观察的混合信号估计一个或多个源信号的技术。在随后的说明中，将处理一个示例，其中使用J个传感器来观察包括1个源信号的混合体的混合信号。

将由信号源i产生的源信号表示为s_i(t)(i＝1，...，I；t表示时间)并且将由传感器j观察的混合信号表示为x_j(t)(j＝1，...，J)，则可以将混合信号x_j(t)表示如下：

$x_j\left(t\right)=\underset{i=1}{\overset{I}{\mathrm{\Σ}}}(a_{\mathrm{ji}}*s_i)\left(t\right)---\left(7\right)$

其中，a_ji表示从信号源i到传感器j的脉冲响应，*是卷积运算符。盲信号分离的目的是按照下列方程仅仅使用被观察信号x_j(t)确定分离所需要的滤波器w_kj和分离信号y_k(t)(k＝1，...，I)：

$y_k\left(t\right)=\underset{j=1}{\overset{J}{\mathrm{\Σ}}}(w_{\mathrm{kj}}*x_j)\left(t\right)---\left(8\right)$

在时域中的卷积混合可以被变换为频域中的多个即时混合。具体地说，上述的方程(7)和(8)分别由方程(1)和(5)表示，其中W(ω)是使用ICA计算的分离矩阵以便Y_k(ω，m)和Y_k′(ω，m)互相独立，并且是ICA的解。

在频域中的盲信号分离期间的事件涉及置换问题和定标问题。

如上所述，在分离矩阵W(ω)中的行的交换也产生独立分量分析的解。因此，假定W(ω)是在某个特定角频率ω的ICA的解，并且将任意的对角矩阵表示为D(ω)和将任意的置换矩阵(这个矩阵与任意矩阵的左乘积产生通过置换所述任意矩阵的行而获得的矩阵)表示为P(ω)，则P(ω)D(ω)W(ω)也算ICA的解。这是因为ICA仅仅在源信号之间的统计独立的条件下执行源信号的分离。由D(ω)给出的解的自由度被称为定标模糊性，并且由P(ω)给出的解的自由度被称为置换模糊性。

因此。为了执行适当的盲信号分离，必须从ω的所有值的ICA的解中识别适合于作为分离矩阵的解W(ω)。一般，通过将通过适当的D(ω)或P(ω)任意获得的ICA的一个解乘以被选择作为适当解W(ω)的结果来进行对于适当解W(ω)的识别。以对于ω的所有值的适当方式确定D(ω)被称为定标(scaling)问题，并且以适当方式确定P(ω)被称为置换问题。置换指的是从{1，2，...，I}到{1，2，...，I}的双射函数Z：{1，2，...，I}→{1，2，...，I}，并且与置换矩阵具有一对一的对应关系。

定标自由度等同于在时域中改变频率响应的滤波器的自由度。因此，为了在时域中产生无失真的分离信号，必须以对于ω的所有值的适当方式来确定D(ω)。可以通过例如选择D(ω)＝diag(W^-1(ω))来容易地求解这个定标问题。diag(α)表示矩阵α的对角线化(这要使得除了对角元素之外的所有元素为0)。因此，对于任意获得的ICA的解W₀(ω)，获得逆矩阵，并且将其对角线化以提供矩阵D(ω)，D(ω)W₀(ω)被识别为适当的分离矩阵W(ω)。这在本领域内已经公知。例如，这在下面的参考文献中得到说明：K.Matsuoka and S.Naksshima，“Minimal Distortion Principle of Blind Source Separation”，Proc.ICA2001，pp.722-727(K.Matsuoka和S.Naksshima，“盲源分离的最小失真原理”，ICA(国际通信协会)2001会刊，第722-727页)。

另一方面，因为置换模糊性，有可能作为按照方程(5)计算结果，分离信号Y₁(ω，m)被提供作为对于在某个角频率ω₁的源信号S₁(ω，m)的估计，而分离信号Y₁(ω₂，m)可以被提供作为在另一个角频率ω₂的源信号S₂(ω₂，m)的估计。在这样的情况下，在时域中的源信号s₁(t)的分量和s₂(t)的分量可以以混合体提供在时域中的输出y₁(t)中，防止不正确地产生分离信号。因此，为了使得在时域中的输出信号y₁(t)正确地成为源信号s₁(t)的估计，必须正确地确定P(ω)以便Y₁(ω，m)成为对于ω的所有值的S₁(ω，m)的估计。

在所引用的文献1中公开的用于估计信号的到达方向的方法被公知为用于置换问题的现有技术的典型解决方案。具体地说，以参照图2(在图2中示出了仅仅用于f＝3156Hz的方向性模式)上述的方式在每个频率确定对应于分离矩阵W(ω)的每行的方向性模式。进行配置以便在独立频率的这些方向性模式中，由分离矩阵W(ω)的第一行给出的方向性模式的最小增益发生在55°，并且由第二行给出的方向性模式的最小增益发生在121°。因此，如果在某个角频率ω_n的由分离矩阵W(ω_n)的第一行给出的方向性模式的最小增益发生在121°，并且由第二行提供的方向特性的最小增益发生在55°，则置换分离矩阵W(ω_n)的第一行和第二行。换句话说，执行这样的置换的置换矩阵P(ω_n)被左乘到W(ω_n)。

解决所述置换问题的这种方法在如上所述确定的方向性模式的最小增益时需要高的计算成本，另外，在信号源的数量I等于或大于3的时候，需要适当地重新布置用于所有频率的W(ω)的试错法。另外，如上参照图3所述，不保证当W(ω)的行提取在给定方向中的信号S_i(ω，m)时，W(ω)的剩余行抑制在那个方向中的信号S_i(ω，m)。

另外，通过搜索方向性模式的低增益而估计信号的到达方向的精度依赖于信号源的位置。特别是，当一个信号的到达方向接近连接传感器对1_j和1_j′的直线(以下称为传感器对轴)的时候，误差的量值提高。这已经被实验证明。如图4A所示，作为麦克风的传感器对101和102相隔距离2.83厘米，作为声音源的信号源对111和112被布置在距离传感器101和102之间的中点(原点)给定距离(大约150厘米)的位置，并且角度相隔20°。从传感器101观看传感器102的方向被选择为基准(0°)，并且声音源111和112在保持上述距离和角间隔的同时被移动，以便从原点观看的信号源111的角度θ从10°改变到150°。

在图4B中图解了在以这种方式移动声音源111和112的同时已经进行的盲信号分离，其中纵坐标表示信号干扰比率，并且使用目标信号和干扰信号被计算如下：SIR＝10log₁₀(目标信号的功率/干扰信号的功率)(dB)。图4B的横坐标表示从原点观看的声音源111的角度θ。实线图示出了实验结果，虚线图指示当对置换获得正确解的时候的SIR。

从图4B看出，当信号源111接近传感器对轴(它是0°或180°)时，由实验获得的SIR与对于置换的正确解获得的SIR相比较大大减小。相信这可归因于当信号源111的方向靠近传感器对轴的方向的时候置换有错。

使用独立分量分析来确定分离矩阵、从分离矩阵的每行获得方向特征模式、搜索低增益的方向以确定信号源的方向(到达信号方向)和利用其来实线盲信号分离的过程在确定方向特征模式和搜索低增益的方向时需要大量的计算时间。

本发明的一个目的是提供用于估计位置信息的装置、方法和程序，它使得可以降低在通过独立分量分析确定分离矩阵时和在估计信号源的位置信息时所需要的计算时间。

发明内容

按照本发明，计算用于频域中的分离矩阵W(ω₁)、...、W(ω_N)的逆矩阵(或对于I＜J的伪逆矩阵)以产生相当于定标和置换模糊性(scaling and permutationambiguity)的混合矩阵(mix)A(ω₁)、...、A(ω_N)的估计H(ω₁)、...、H(ω_N)。根据每个频率的每个列H(ω_N)(n＝1，...，N)的两个元素H_ji(ωN)和H_j′_i(ω_N)之间的比率(其中j和j′是表示传感器的参数，i是表示信号源的参数)，例如计算诸如其上存在信号源的锥面或曲面之类的信号源i的位置信息的参数之一。

计算所需要的是按照以矩阵中的元素比率来表达的公式的计算，并且计算量比当确定分离信号的方向性模式和搜索其最小方位角时降低。使用元素比率避免了定标模糊性的影响。

附图说明

图1是图解在传感器阵列与来临信号到独立传感器的到达时间的差别之间的关系的图；

图2图示了由分离矩阵的各个行给出的增益指示的方向性模式，所述增益是通过ICA处理对于来自两个声音源的混合信号计算的；

图3图示了由分离矩阵的各个行给出的增益指示的方向性模式，所述增益是通过ICA处理对于来自三个声音源的混合信号计算的；

图4A是图解在用于初步实验中的传感器和信号源之间的关系的图；

图4B图示了初步实验结果；

图4C图示了在估计方向和其对于混合矩阵估计误差的敏感度之间的关系；

图5是示出在估计信号到达方向中应用了本发明的第一实施例的示范功能配置的方框图；

图6是用于第一实施例的示范处理程序的流程图；

图7是图5所示的角度计算器的具体示例的方框图；

图8是在图6中所示的步骤S4的具体示例的流程图；

图9图示了按照第一实施例进行的用于估计方向的实验结果；

图10A图示了对于两个声音源和三个麦克风的组合的、按照第一实施例估计方向的实验结果；

图10B图示了在与用于图10A的实验的相同条件下按照MUSIC方法进行方向估计的实验结果；

图11A图示了对于两个声音源和三个麦克风的组合的、按照第一实施例的方向估计的实验结果；

图11B图示了在与用于图11A的实验的相同条件下按照MUSIC方法的方向估计的实验结果；

图12是按照其中向盲信号分离应用本发明的第二实施例的功能配置的方框图；

图13是用于第二实施例的示范处理程序的流程图；

图14是用于图13所示的步骤S14的处理程序的具体示例的方框图；

图15是图解对于多个锥面公用的直线的方向图；

图16是图12所示的到达方向确定单元16的另一个示例的方框图；

图17是按照其中向盲信号分离应用本发明的第三实施例的功能配置的方框图；

图18是用于第三实施例的示范处理程序的流程图；

图19是图18所示的步骤S35的具体示例的流程图；

图20是图解在传感器的布置、信号源的位置和估计的曲面之间的关系的图；

图21是估计的球面的一个示例的图解；

图22是用在实验中的房间及其相对于麦克风和声音源的关系的图；

图23是通过使用近距麦克风对获得的估计方向的直方图；

图24图示了相对于频率绘制的估计方向；

图25图示了相对于频率绘制的声音源24和25的估计球面的半径的分布；

图26是列出使用各种方法获得的实验结果的表；

图27是本发明的第四实施例的必要部分的功能配置的方框图；

图28是其中将本发明应用到盲信号分离的第五实施例的示范处理程序的流程图；

图29图示了对于第五实施例进行的实验结果；

图30A是用于确定对于多个锥面共用的直线的方向以求解分离矩阵的置换的处理程序的必要部分的流程图；

图30B是通过使用锥面的估计和球面的估计来求解分离矩阵的置换的处理程序的必要部分的流程图；

图30C是通过使用锥面的估计和球面的估计来求解分离矩阵的置换的另一个处理程序的必要部分的流程图。

具体实施方式

将首先说明一个实施例，其中本发明被应用到表示信号源的位置信息的方向信息的估计中。在随后的说明中，在全部附图中相同或对应的部分被指定类似的附图标号，以便避免重复说明。

第一实施例

在这个第一实施例中，确定信号源的方向或从信号源发出的源信号的到达方向。

图5示出了第一实施例的功能配置，图6示出了其处理程序的部分流程图。

在数量上等于或大于信号源的数量I的J个传感器1₁、1₂、...、1_J被布置在图1所示的阵列中。在相邻传感器之间的间隔通常等于或小于源信号的最短波长的一半。由传感器1_j(j＝1、2、...、J)观察的信号x_j(t)通过在相应的频域变换器11_j中的短时间傅立叶变换变换为频域信号X_j(ω，m)(步骤S1，图6)。通过在分离矩阵计算器12中的独立分量分析处理来计算关于这些频域信号X_j(ω，m)的每个角频率ω_n的分离矩阵W(ω_n)(n＝1，2，...，N)(步骤S2，图6)。

W(ω)＝(W(ω₁)，W(ω₂)，...，W(ω_N))

在逆矩阵计算器13中计算每个频率的分离矩阵W(ω_n)的逆矩阵，因此确定逆矩阵H(ω_n)(步骤S3，图6)：

H(ω)＝(H(ω₁)，H(ω₂)，...，H(ω_N))

应当注意逆矩阵的计算被改变为对于J＞I的伪逆矩阵的计算。伪逆矩阵可以是例如Moore-Penrose广义逆矩阵。

在这个实施例中，在角度计算器14中从用于至少一个频率的逆矩阵H(ω_n)的每个列i的两个元素H_ji(ω_n)和H_j′i(ω_n)的比率的幅角来计算源信号的到达方向(步骤S4，图6)。将参照图7和8来说明用于角度计算器14的具体功能配置和示范处理程序。选择器14a在关于还未被选择的角频率ω_n的逆矩阵H(ω_n)中选择一列i(步骤S4A，图8)，并且从第i列选择两个元素H_ji(ω_n)和H_j′i(ω_n)(步骤S4B，图8)。

幅角计算器14b计算在所选择的元素G_i(ω_n)＝arg[H_ji(ω_n)/H_j′i(ω_n)]之间的比率的幅角，并且间隔计算器14c从传感器信息存储器15得到传感器1_j和1_j′的位置信息d_j和d_j′，以确定在传感器1_j和1_j之间的间隔d_j-d_j′(步骤S4c，图8)。应当注意每单位距离的相位旋转的数量ω_n/c对于例如f＝680Hz的声音波(具有等于340米/秒的速度c)将是每米2π·2的相位旋转。

确定单元14f确定除法器14e的除法结果G_i(ω_n)是否具有等于或小于1的绝对量值(步骤S4e，图8)。如果绝对量值等于或小于1，则在反余弦计算器14g中计算G_i(ω_n)的反余弦θ_i(ω_n)＝cos^-1G_i(ω_n)(步骤S4f，图8)。因此，在角度计算器中进行下列的计算：

G_i(ω_n)＝arg[H_ji(ω_n)/H_j′i(ω_n)]/ω(d_j-d_j′)c

θ_i(ω_n)＝cos^-1G_i(ω_n)：对于|G_i(ω_n)|≤1                 (9)

如果在步骤S4e中|G_i(ω_n)|不等于或小于1，则角度θ_i(ω_n)将是虚数，导致选择另一个组合。为此，由确定单元14f进行确定以查看是否已经选择了在第i列中的元素的每个组合(步骤S4g，图8)。如果存在任何未选择的组合，则操作返回步骤S4b。另一方面，当已经选择了每个组合的时候，确定单元14f确定是否已经选择了每个列(步骤S4h，图8)。如果存在任何未选择的列，则操作返回步骤S4a。当已经选择了每个列的时候，结束角度计算的处理操作。应当注意，图7所示的间隔计算器14c由角度计算器14共同地用于每个频率。

以对应于以所选择的次序的H(ω)中的所选择的角频率ω_n的逆矩阵H(ω_n)的每个列的方式来从角度计算器14提供方程(7)的计算结果，即，I个信号源的方向(信号到达方向)θ(ω_n)＝(θ₁(ω_n)，θ₂(ω_n)，...，θ_I(ω_n))。具体地说，如果以第一列开始依次进行选择，则以那个顺序。可以看出，θ₁(ω_n)、θ₂(ω_n)、...、θ_I(ω_n)应当对应于源信号s₁(t)、s₂(t)、...、s_I(t)的到达方向(信号源1、2、...、I的方向)的任何一个。

现在说明在本实施例中用于允许估计信号到达方向的机制。如果通过独立分量分析(ICA)处理来实现分离，则由ICA处理计算的分离矩阵W(ω)和真(true)混合矩阵A(ω)相关联，以便P(ω)D(ω)W(ω)A(ω)＝I，其中D(ω)表示指示定标模糊性的对角矩阵，P(ω)是指示置换模糊性的置换矩阵，I是单位矩阵。如果使用ICA处理，则一般不能计算混合矩阵A(ω)本身。但是，当计算W(ω)的逆矩阵或H(ω)＝W^-1(ω)＝A(ω)P(ω)D(ω)的时候，获得包括定标模糊性或置换模糊性的混合矩阵的估计。因此，逆矩阵H(ω)包括混合矩阵A(ω)，其列按照P(ω)置换并且乘以D(ω)的对角元素。

在这个实施例中，从逆矩阵H(ω)的同一列i取两个元素H_ji(ω_n)和H_j′i(ω_n)，并且确定比率H_ji(ω_n)/H_j′i(ω_n)以消除由不能计算的D(ω)引起的定标模糊性。因此

$\frac{H_{\mathrm{ji}}\left(\mathrm{\ω}\right)}{H_{j^{\′}i}\left(\mathrm{\ω}\right)}=\frac{[A\left(\mathrm{\ω}\right)P\left(\mathrm{\ω}\right)D\left(\mathrm{\ω}\right){]}_{\mathrm{ji}}}{[A\left(\mathrm{\ω}\right)P\left(\mathrm{\ω}\right)D\left(\mathrm{\ω}\right){]}_{j^{\′}i}}=\frac{A_{\mathrm{jZ}\left(i\right)}\left(\mathrm{\ω}\right)}{A_{j^{\′}Z\left(i\right)}\left(\mathrm{\ω}\right)}---\left(21\right)$

其中Z表示对应于置换矩阵P(ω)从右乘的乘积的置换。当对于逆矩阵H(ω)的每个列i进行按照方程(2)的计算的时候，可以与通过P(ω)的置换Z无关地估计所有信号的到达方向。

在背景技术的说明中，混合矩阵A(ω)的一个元素已经被建模为A_ji(ω)＝exp(jωc^-1d_jcosθ_i)。但是，这样的简单模型不足以用于本实施例的目的，因为使用分离矩阵W(ω)的逆矩阵H(ω)来计算相当于定标模糊性(scalingambiguity)和置换模糊性(permutation ambiguity)的混合矩阵A(ω)的一个估计。因此，使用在原点的幅度衰减因子α_ji(实数)和相差exp(jφ_i)，可以使用差模型A_jj(ω)＝α_jiexp(jφ_i)exp(jωc^-1d_jcosθ_i)。当使用这个模型来计算A_jZ(i)(ω)/A_j′z(ω)的时候，从方程(21)得出：

$\frac{H_{\mathrm{ji}}\left(\mathrm{\ω}\right)}{H_{j^{\′}i}}=\frac{A_{\mathrm{jZ}\left(i\right)}\left(\mathrm{\ω}\right)}{A_{j^{\′}Z\left(i\right)}\left(\mathrm{\ω}\right)}=\frac{{\mathrm{\α}}_{\mathrm{jZ}\left(i\right)}}{{\mathrm{\α}}_{j^{\′}Z\left(i\right)}}\exp \left(\mathrm{j\ω}{c}^{-1}(d_j-d_{j^{\′}})\cos {\mathrm{\θ}}_{z\left(i\right)}\right)---\left(22\right)$

结果，我们有

G_i(ω)＝arg[H_ji(ω)/H_j′i(ω)]/(H_j′i(ω)c^-1(d_j-d_j′))＝cosθ_Z(i)。如果|G_i(ω)|≤1，则θ_Z(i)＝cos^-1G_i(ω)表示实数，使得可以估计到达方向。按照置换Z的自由度正确地重新布置或置换的所有I方向θ(ω)＝[θ_Z(i)(ω)，...，θ_Z(I)(ω)]对应于信号s₁、...、s_I的方向。

或者，可以以上述的方式对于在H(ω)中的多个频率或每个频率的每个列和每个逆矩阵H(ω_n)(n＝1，...，N)确定角θ_i(ω_n)，并且可以根据这些角的整体组合来确定独立的到达方向。具体地说，由角度计算器14估计的独立频率的到达方向在图5所示的分类器32中分类为不同的角度(步骤S5，图6)。例如，这些方向可以以角度的降序布置。可以以降序(θ₁(ω₁)，θ₂(ω₁)，...θ_I(ω₁))来布置角频率ω₁的分量θ(ω₁)；可以以降序(θ₁(ω₂)，θ₂(ω₂)，...θ_I(ω₂))来布置角频率ω₂的分量θ(ω₂)...可以以降序(θ₁(ω_N)，θ₂(ω_N)，...θ_I(ω_N))来布置角频率ω_N的分量θ(ω₁)。当以这种方式以降序分类时，角度可能从频率到频率不同，即使它们在降序上类似。换句话说，角度θ_i(ω₁)、θ_i(ω₂)、...、θ_i(ω_N)(i＝1，...，I)是分散的。

因此，分类角度θ_i(ω₁)、θ_i(ω₂)、...、θ_j(ω_N)在统一单元33中被统一到单个角度θ_i中，并且这个角度θ_i被作为到达方向(步骤S6，图6)。为了统一的目的，可以选择分类角度(θ_i(ω₁)、θ_i(ω₂)、...、θ_i(ω_N))的平均值作为统一角度θ_i，或者可以选择在分类角度(θ_i(ω₁)、θ_i(ω₂)、...、θ_i(ω_N))中具有最高频率的值或中间值作为统一角θ_i。当分类角度被统一成单个角度的时候，有可能比当仅仅根据单个频率的逆矩阵H(ω_n)估计到达方向的时候更准确地估计到达方向。

在图8所示的角度计算和估计中，如果甚至对于一个所选择的列不能确定角度θ_i(ω_n)，则对于那个逆矩阵H(ω_n)的处理操作在那个点终止，并且处理操作转向不同频率的逆矩阵H(ω_n)。如果在初始尝试期间对于每个列成功地完成了角度(方向)计算，则那个计算结果可以被选择作为估计的(方向)θ₁、...、θ_I。或者，在用于各个频率的所有逆矩阵H(ω_n)中，可以分类和统一能够已经对于每个列成功地进行的角度计算结果。作为另一个替代方式，如果对于一个列出现计算角度θ_i(ω_n)的失败，则可以在第一次出现这样的失败的时候终止随后的处理操作，并且可以在确定观察信号时重新开始处理操作以便增强估计结果的可靠性。

现在说明第一实施例的实验示例。三个麦克风在具有190毫秒的混响时间的房间中以56.6毫米的间距排列在一行中，并且三个声音源被以相对于所述阵列的方向48°、73°和119°的角度布置。来自声音源的声音信号被混合在一起达6秒，并且以8kHz的采样频率和3kHz的最大频率以及1024个采样的一个短时间傅立叶变换帧来采样被观察信号，在所述3kHz的最大频率下，防止了空间混叠。在图9中示出了对于每个频率计算的角度，其中横坐标表示频率，纵坐标表示方向。在图9中，◇、+、□指示对于三个声音源的方向的所计算的估计值。当所获得的结果分类为三个角度范围的时候，分类角度的平均值是45°、74°和123°。虽然在MUSIC方法不能估计使用三个麦克风的三个声音源的方向，但可以看出，利用这个实施例可将声音源的方向估计到相当高的精度。

为了相对于MUSIC方法来比较这个实施例的方法，已经通过布置具有在48°和119°的声音源方向的两个声音源来进行类似的实验，因此在其间具有较大的角度偏移。图10A示出了使用本实施例的方法获得的结果，而图10B中示出了使用MUSIC方法获得的结果。可以看出，任何一种方法都以相当高的精度估计了方向。当按照本实施例的结果分类为两个方向范围的时候，作为结果的平均角是45°和123°，而按照MUSIC方法的对应平均值分别是45°和122°。已经重复了当两个声音源在角度上彼此接近而具有在105°和119°方向的时候的类似实验。图11A和11B分别示出了按照所述实施例的方法获得的结果和按照MUSIC方法获得的结果。对于多数频率，不能使用MUSIC方法来进行声音源的方向估计，但是按照用于多数频率的实施例，角度计算是可能的。另外，当所获得的角度分类为多个范围的时候，在各个范围内的平均值等于105°和124°，可以看出这比作为94°和128°的按照MUSIC方法的对应平均值更准确。

如上所述，按照本实施例，将值代入方程(9)中使得可以确定所估计的方向，因此按照所述实施例的计算时间比传统的方法少得多，所述传统方法搜索方向性模式的增益低的方向。由ICA处理获得的分离矩阵W(ω)包括如上所述的定标自由度和置换自由度，因此，可以考虑计算其中解决了自由度问题的分离矩阵W′(ω)的逆矩阵，或者计算真混合矩阵A(ω)，并且根据用于混合矩阵A(ω)的每个列的两个元素的比率来估计到达方向。但是，不能不使用例如信号源的信号s_i(t)的平均功率被选择为1的限制而确定所述真混合矩阵A(ω)本身。对于一个信号源使用这样的限制在无线通信领域中是可能的，但是当信号源的信号s_i(t)是由人直接发出的语音信号的时候，不能使用所述种类的限制。另一方面，按照第一实施例，通过形成包括定标和置换模糊性的分离矩阵W(ω)的逆矩阵H(ω)的每列的两个元素的比率来解决定标自由度的问题，并且这样的方法适用于任何信号源。另外，这避免了计算解决了所述两个问题的分离矩阵的必要，因此减少了计算时间。另外，一旦以预定的次序分类对于独立频率获得的估计方向，则也可以以简单的方式来解决置换问题。如果信号源的数量等于传感器的数量J，则可以估计每个信号源的方向。如果某些信号源的方向彼此接近，则可以以相当高的精度来进行估计。

第二实施例

第二实施例针对获得作为信号源的一项位置信息的方向信息。按照第二实施例，被布置在至少两维中的至少三个传感器使得每当定向信号源时可以估计信号源的方向，因此使得可以以较简单的方式来解决涉及盲信号分离的置换问题。具体地说，估计基于方向信息的锥面，并且估计低于多个锥面共用的直线以确定方向信息。

图12示出了被应用到盲信号分离系统的第二实施例的功能配置，图13示出了其中使用的处理程序。举例而言，四个传感器1₁、1₂、1₃和1₄等间隔布置在一个圆周上，所述间隔被选择为等于或小于源信号的最小波长的一半。在随后的说明中，假定传感器的数量是J，其中J≥3。以与在第一实施例中类似的方式，由每个传感器j(j＝1，...，J)观察的被观察信号x_j(t)在可以包括例如短时间傅立叶变换的频域变换器11中被变换为在频域中的信号X_j(ω_n)(步骤S11)。

分离矩阵计算器12通过独立分量分析来从在频域中的信号X_j(ω_n)计算每个频率的分离矩阵(步骤S12)：

$W\left(\mathrm{\ω}\right)=\left[\begin{array}{ccc}{W}_{11}\left(\mathrm{\ω}\right)& \·\·\·& W_{1J}\left(\mathrm{\ω}\right)\\ \·& \·& \·\\ \·& \·& \·\\ \·& \·& \·\\ W_{I1}\left(\mathrm{\ω}\right)& \·\·\·& W_{\mathrm{IJ}}\left(\mathrm{\ω}\right)\end{array}\right]$

逆矩阵计算器13计算每个频率的每个分离矩阵W(ω)的逆矩阵H(ω)(步骤S13)：

$H\left(\mathrm{\ω}\right)=\left[\begin{array}{ccc}{H}_{11}\left(\mathrm{\ω}\right)& \·\·\·& H_{1I}\left(\mathrm{\ω}\right)\\ \·& \·& \·\\ \·& \·& \·\\ \·& \·& \·\\ H_{J1}\left(\mathrm{\ω}\right)& \·\·\·& H_{\mathrm{JI}}\left(\mathrm{\ω}\right)\end{array}\right]$

在第二实施例中，锥面估计器14根据多个元素对的元素的比率来估计其上存在一些信号源的锥面，所述多个元素对对于每个频率的逆矩阵H(ω)的每个列不同，并且具有由连接对应于所述元素的两个传感器的传感器对轴限定的中心轴。以这种方式估计多个锥面，其中每个对应于一个混合矩阵H(ω)的每个列(步骤S14)。

锥面估计器14的功能配置与图15所示的角度计算器实质上类似，并且用于锥面估计器的处理程序类似于图8所示的程序。将参照图14来说明对于确定频率的逆矩阵H(ω)的、在锥面估计器14内发生的、在步骤S14的处理操作的一个具体示例。

首先，初始化被存储在锥面估计器14内的寄存器中的控制参数i和p(步骤S20)。其中i对应于每个信号源的编号，p表示已经对于i的每个值估计的锥面的数量。

i以1递增(步骤S21)，g以1递增(步骤S22)，例如随机选择作为等于或小于j的相互不同的自然数的控制参数j、j′(j≠j′)(步骤S23)。被选择一次的控制参数对j、j′不再次对于同一i值被选择。例如，如果对于i＝1选择一次(j，j′)＝(1，2)，则不在步骤S23再次选择(j，j′)＝(1，2)，直到对于i＝1的处理操作结束。(期望进行这个选择以便传感器对轴、即通过由所选择的j和j′指定的传感器j和j′的直线与在这个例程期间先前选择的j、j′指定的传感器对轴不对齐。随后，锥面估计器14将估计多个锥面，它们具有在给定误差范围内不重叠的中心轴。可以例如通过下列方式来确定是否几个传感器对轴对齐：通过在传感器信息存储器15内存储指示传感器的位置的向量，并且通过检索用于表示指示传感器的位置的向量的信息。)

从传感器信息存储器15检索：向量d_j，指示对应于在S23中选择的参数j的第j个传感器j的位置；以及向量d_j′，用于指示对应于参数j′的第j′个传感器j′的位置(步骤S24)。指定检索第j行第i列元素H_ji(ω)和第j′行第i列元素H_j′i(ω)(步骤S25)。通过图7中所示的选择器14a来执行这些操作。因此，应当明白，选择器14a包括寄存器，用于存储所指定的i、p、j和j′。

使用所检索的信息，按照下列方程来进行计算：(步骤S26)

其中‖d_j-d_j′‖表示在传感器1_j和1_j′之间的间距或距离。在第二实施例中，多个传感器被布置成二或三维。因此，独立传感器的位置信息被两个或三个元素坐标向量表示，所述坐标向量具有原点在传感器1₁-1₄所位于的圆周的中心。可以回忆，方程(9)是针对指示当传感器被布置为线性阵列时信号的到达方向的二维角展开的，但是方程(9′)是方程(9)的扩展，其扩展在于传感器可以被布置在二或三维空间中，并且指示信号到达方向的角度可以在三维空间中。因此，可以明白，方程(9′)包含方程(9)。按照方程(9′)和相关联的参数i、j和j′估计的角度

被暂时存储在锥面估计器14内的寄存器(存储器)中作为锥面信息(步骤S27)。如图12a中的虚线所示，用于每个频率的间隔计算器14c共用。按照方程(9)计算的角度θ_i(ω)估计传感器对轴(连接传感器1_j和1_j′的直线)的角度等于θ_i(ω)的三维空间中的一组不可数条直线，或者在锥面上的信号源i的存在。扩展方程(9′)的计算结果被表示为而不是θ_i(ω)。使用图7所示的幅角计算器14b、间隔计算器14c、相位旋转计算器14d、除法器14e、确定单元14f和反余弦计算器14g来在图8中的步骤S4c、S4d、S4e和S4f进行在步骤S26发生的计算。

进行确定以查看是否p＝P(步骤S28)。P是对于每个i值要估计的锥面的数量，这个步骤确定是否已经对于特定的i估计了P个锥面。如果p不等于P，则进行确定以查看是否i＝I(步骤S29)。因此，进行确定以看是否已经对于i的所有值完成了锥面的估计。如果i不等于I，则操作返回步骤S21，但是如果i＝I，则处理操作被完成(这完成了步骤S14的具体示例的说明)。在第一实施例中，当对于特定的i值估计角度θ_i(ω)的一个值的时候，操作转到对于下一个i值的角度的估计。但是，在第二实施例中，对于每个i值估计多个角度(锥面)

。通过确定单元14f来执行步骤S28和S29的操作。

图12所示的到达方向确定单元16根据关于在锥面估计器14中估计的多个锥面(它们是图12的步骤S15的i、j、j′和

(i＝1，...，I))的信息确定源信号的到达方向u_i(ω)＝(方位角θ_i(ω)和仰角φ_i(ω))(i＝1，...，I)。具体地说，举例来说，对于特定i值估计的多个锥面可以彼此线连接以产生公用的直线，其方向被看作对应于信号源i的信号的到达方向u_i(ω)。

现在参照图15来说明用于估计信号的到达方向u_i(ω)的方法。传感器1₃被布置在与由传感器1₁和1₂形成的阵列的方向垂直的方向中，并且假定在传感器1₁和1₂之间的间距与在传感器1₂和1₃之间的间距相等。对于表示i＝2的信号源2₂，1₁和1₂的组合估计具有传感器对轴3₁₂作为中心轴的锥面4₁₂(

)，1₂和1₃的组合估计具有传感器对轴3₂₃作为中心轴的锥面4₂₃(

)，1₁和1₃的组合估计具有传感器对轴3₁₃作为中心轴的锥面4₁₃()。在这些锥面中，锥面4₁₂和4₁₃被当作以公用直线5₂彼此线连接。公用直线5₂的方向u₂(ω)被当作从信号源2₂辐射的信号的到达方向u₂或者信号源2₂的方向。虽然当锥面4₂₃进行平移时总是与锥面4₁₂和4₁₃实质性地线连接的时候，但按照如下所述的第四实施例将其丢弃。

现在说明用于确定在图12所示的到达方向确定单元16内发生的公用直线5_i的方向θ_i(ω)的方法的一个具体示例。对于在角频率ω的信号源2_i的存在而估计的多个锥面被表示为4_jj′(1)、...、4_jj′(P)，在锥面4_jj′(p)(p＝1，...，P)的估计中使用的传感器对的位置信息被表示为d_j(p)和d_j′(p)，对应于对于角频率ω估计的锥面4_jj′(p)的角度被表示为

，并且用于表示锥面4_jj′(p)的向量被表示为u。

标准化轴向量计算器16a将连接传感器对的位置的轴向量(d_j(p)-d_j′(p))标准化为长度1。换句话说，计算

v_p＝(d_j(p)-d_j′(p))/‖d_j(p)-d_j′(p)‖。

假定v_p和锥面向量的内积是在这些向量之间形成的角度的余弦。因此，应用

因为我们要知道的仅仅是公用直线5_i的方向，因此锥面向量u被表示为单位向量或‖u‖＝1。为了确定对于所有锥面公用的直线的方向，表示V＝(v₁...v_P)^T，

可以对于u求解下面的联立方程。

对于该联立方程的解，一般不存在或不能被唯一地确定。因此，最小化

的u被确定，并且被使得作为联立方程的解或公用直线5_i的方向u_i(ω)。在计算器16b中执行用于确定最小化这个误差的u的计算。因为方向u_i(ω)表示在三维中的方向，因此以方位角θ_i(ω)和仰角φ_i(ω)的形式的极坐标来给出方向。

可以使用下面的方法来简化计算。如图16所示，确定用于每个传感器对的标准化的轴向量v_p(p＝1，...，P)，它用于在标准化轴向量计算器16a中估计锥面，在逆矩阵计算器16c中计算对于V＝(v₁，...，v_P)^T的Moore-Penrose型广义逆矩阵V⁺，并且使用V⁺和余弦向量

来确定作为最小范数型或获得最小二乘误差的解，并且标准化该量值以提供近似解。换句话说，在计算器16d中计算

以这种方式，对于每个频率和对于每个信号源确定被当作对于多个被估计的锥面公用的直线的方向。

图12所示的置换解算器17使用由到达方向确定单元16确定的到达方向u_i＝(θ_i，φ_i)执行在分离矩阵计算器12中计算的分离矩阵W(ω)中的行置换，因此产生已经求解了置换问题的分离矩阵。

为了给出由置换解算器17执行的内容的一个具体示例，以下述的方式来按照到达方位角θ_i执行置换，并且对于不能求解所述问题的一个列或多个列，以类似的方式按照到达仰角φ_i(ω)来执行置换。具体地说，在置换矩阵产生器17a中产生一个置换矩阵，其中在逆矩阵H(ω)中的列被置换，以便已经被计算和确定的到达方位角(θ_i，ω)采用给定的次序，诸如用于任何频率的升序θ₁、θ₂、...、θ_I，并且以便仰角φ_i对于置换失败的那些列类似地以升序。在逆矩阵产生器17b中产生置换矩阵的逆矩阵P(ω)。在置换器17c中，将逆矩阵P(ω)左乘分离矩阵W(ω)。置换矩阵产生器和逆矩阵产生器17b一起形成一个置换矩阵产生器。

将具体地说明在置换矩阵产生器17a中发生的处理操作。在这个示例中，假定按照方程(9′)，对于逆矩阵H(ω)的第一列计算(θ₁(ω)，φ₁(ω))，对于第二列计算(θ₂(ω)，φ₂(ω))...对于第I列计算(θ_I(ω)，φ_I(ω))。从到达方向确定单元161输入的到达方向被表示为具有上标“′”的θ和φ或表示为(θ₁′(ω)，φ₁′(ω))、(θ₂′(ω)，φ₂′(ω))、...、(θ₁′(ω)，φ_I′(ω))，以便将它们与以升序置换的角度区别开，并且它们以例如θ_i′(ω)的升序排列。如果结果使得(θ₃′(ω)，φ₃′(ω))＞(θ_I′(ω)，φ_I′(ω))＞(θ₂′(ω)，φ₂′(ω))＞...，则移动发生，以便逆矩阵H(ω)的第三列采用第一列，第一列采用第二列，第二列采用第三列，并且剩余的列类似地移动。对于采用θ_i′(ω)的相同值的列，移动列以便φ_i′(ω)采用升序。以这种方式移动或置换列置换矩阵被产生。操作执行这样的置换的矩阵是本领域内公知的。使用对于每个频率获得的到达方向(θ₁(ω)，φ₁(ω))、...、(θ_I(ω)，φ₂(ω))产生置换矩阵，并且计算其逆矩阵或置换矩阵P(ω)(图13的步骤S16)。

以这种方式计算的置换矩阵P(ω)在置换器单元(17c)中被左乘到分离矩阵W(ω)，并且产生的矩阵W′(ω)＝P(ω)W(ω)被提供作为已经求解了置换问题的分离矩阵(步骤S17)。因此，对于任何频率，在分离矩阵W′(ω)中，第一行包括从信号源2₁分离信号的元素，第二行包括从信号源2₂分离信号的元素，并且类似地在一个公用行中的元素是从同一信号源分离信号的元素。

分离矩阵W′(ω)在时域变换器18中通过例如逆傅立叶变换被变换为在信号分离器19中建立的时域分离系数库

$\begin{array}{ccc}{W}_{11}& \·\·\·& W_{1J}\\ \·& \·& \·\\ \·& \·& \·\\ \·& \·& \·\\ W_{I1}& \·\·\·& W_{\mathrm{IJ}}\end{array}.$

信号分离器19使用来自传感器的被观察信号x₁(t)、...、x_J(t)和分离滤波系数库执行按照方程(8)的计算以提供分离信号y₁(t)、...、y_J(t)。

如图12中的虚线所示，使用来自置换解算器17的置换的分离矩阵W′(ω)和来自频域变换器11的频域观察信号X(ω，m)来在频域分离信号产生器19′中进行按照方程(5)的计算，并且产生的频域分离信号Y(ω，m)＝W′(ω)X(ω，m)可以被应用到时域信号变换器18′以产生时域信号y₁(t)、...、y_I(t)。或者，由到达方向确定单元16确定的每个频率的到达方向(θ₁(ω)，φ₁(ω))、...、(θ_I(ω)，φ_I(ω))可以以与在第一实施例中类似的方式，即在图5所示的分类器32中分类为多个方向范围，并且每个分类范围的整个频率上的到达方向可以在统一单元33中被统一。

如上所述，再次在这种实施例中，按照方程(9′)的计算估计锥面信息()而不搜索在方向性模式中的低增益的方向，因此，减少了计算量。另外，因为对于单个信号源估计多个锥面，并且根据期间的公用直线来确定信号的到达方向，因此有可能唯一地估计信号源3_i的方向而不管所述信号源位于从0°到360°的范围内的任何位置。在置换矩阵P(ω)的确定中使用所估计的方向，因此，可以正确地解决置换问题而不管信号源的位置如何。

第三实施例

在第三实施例中，其上存在信号源的曲面被用作基于传感器对和一个单个信号源之间的距离的比率的位置信息。在第一和第二实施例中，进行假定信号源远离传感器，因此来自所述信号源的信号作为平面波到达传感器。但是，当在信号源和传感器之间的距离较短的时候，信号作为球面波到达传感器。考虑到此，当按照球面波(近距离场)模型来解释混合矩阵A(ω)的元素的比率A_ji(ω)/A_j′i(ω)的时候，可以估计除了信号源的方向之外的信息。

具体地说，使用近距离场模型，频率响应A_ji(ω)可以被表达如下：

A_ji(ω)＝(1/‖q_i-d_j‖)exp(jωc^-1(‖q_i-d_j‖))

其中，q_j是指示信号源i的位置的向量。

使用以上述方式表达的频率响应来形成在混合矩阵的公用列中的两个元素的比率A_ji(ω)/A_j′i(ω)，并且所述比率的绝对量值被计算如下：

‖q_i-d_j′‖/‖q_i-d_j‖＝|A_ji(ω)/A_j′i(ω)|       (10)

其中|β|表示β的绝对量值。

满足方程(10)的一组不可数个点q_j限定了其上存在信号源i的曲面，并且使得可以当与使用远距离场(平面波模型)估计的方向(或锥面)组合使用的时候估计从传感器到信号源i的距离。因此，如果两个或更多的信号源位于同一方向或相互邻近的方向中的时候，如果在所述距离上有差别，则它们可以被区分，使得可以正确地解决置换问题。

在在此图解的第三实施例中，表示其上存在信号源的曲面的位置信息和如上处理的方向信息被用于解决分离矩阵的置换问题。

图17示出了第三实施例的功能配置，在图18中示出了处理程序。三个或更多的传感器被布置在二维或三维中，但是在这个实施例中，在传感器1₂和1₃之间的间距被选择为例如在图20所示的传感器1₁和1₂之间的间距的10-20倍，最好在大约15倍。以与在前面的实施例中类似的方式，被观察信号x₁(t)、...、x_J(t)被转换为频域信号X₁(ω，m)、...、X_J(ω，m)(步骤S11)。随后，使用独立分量分析处理来计算每个频率的分离矩阵W(ω)(步骤S12)，并且计算作为分离矩阵W(ω)的逆矩阵的矩阵H(ω)(步骤S13)。在所示的示例中，使用与在第二实施例中类似的方式，使用从每个频率的逆矩阵H(ω)的每列选择的一对元素来估计一个或最好多个锥面(步骤S14)。在第三实施例中，距离比率计算器31使用对于每个频率的逆矩阵H(ω)的每列选择的元素对来计算在对应的传感器和单个信号源i之间的距离的比率，因此使用方程(10)和(21)来得出下面的方程(10′)(步骤S35)：

‖q_z(i)-d_j′‖/‖q_z(i)-d_j‖＝|A_jz(i)(ω)/A_j′z(i)(ω)|

＝|H_ji(ω)/H_j′i(ω)|＝DR_i，jj′                (10′)

将参照图19来说明在距离比率计算器31中发生的步骤35的距离示例。这个处理操作实质上类似于图14所示的处理操作。参数i被初始化为0(步骤S20)，并且然后递增1(步骤S21)，等于或小于J的自然数被例如随机选择作为j、j′(j≠j′)，并且被选择一次的对不再被选择(步骤S23)。检索传感器j的位置向量d_j和传感器j′的位置向量j′(步骤S24)，并且从逆矩阵H(ω)的第i列选择元素H_ji(ω)和H_j′(ω)(步骤S25)。

在这个实施例中，计算所选择的两个元素的比率DR_i，jj′(ω)(步骤S41)。然后进行确定以看是否i＝I(步骤S29)，并且除非i＝I，操作返回步骤S21，但是如果i＝2，则完成处理操作。

由距离比率计算器31计算的距离比率信息DR_i，jj′(ω)被提供到置换解算器17，置换解算器17使用在到达方向确定单元16中估计的方向信息u_j(ω)和由距离比率计算器31计算的距离比率信息DR_i，jj′(ω)来解算对于由分离矩阵计算器12计算的分离矩阵的置换问题。

通过执行在W(ω)中的行置换来解决置换问题。例如，使用方向信息和距离比率信息，距离估计器17d计算信号源2_i的距离‖q_i(ω)‖(步骤S36)。

将参照图20来说明计算距离‖q_i(ω)‖的方法。信号源2₁和2₂位于与从传感器1₁和1₂观看的相同的方向B。在这种情况下，传感器1₁和1₂和按照远距离场模型估计的信号源2₁和2₂的方向u₁和u₂限定相同的直线。另一方面，如果存在信号源2₁，则可以使用大间距的传感器1₂和1₃和近距离场模型从所述距离比率

DR_1，23(ω)＝|H₂₁(ω)/H₃₁(ω)|＝‖q₁-d₃‖/‖q₁-d₂‖

来估计曲面6₁。以这种方式，可以估计‖q_i(ω)‖。如果存在信号源2₂，则可以从距离比率

DR_2，23(ω)＝|H₂₂(ω)/H₃₂(ω)|＝‖q₂-d₃‖/‖q₂-d₂‖

估计其上存在信号源2₂的曲面6₂。因此可以估计‖q₂(ω)‖。

可以将信号源2₁的位置估计为存在于在直线u₁＝u₂和曲面6₁之间的公用区域上，并且可以将信号源2₂的位置估计为存在于在直线u₁＝u₂和曲面6₂之间的公用区域上。例如，可以使用表示直线u₁＝u₂的方程和表示曲面6₁和6₂的方程作为联立方程，它们可以被求解来确定‖q₁(ω)‖和‖q₂(ω)‖。以这种方式，如果信号源的方向是相同的或紧密相关的，则有可能区别信号源的位置。

置换解算器17执行在分离矩阵W(ω)中的行置换，以便以上述方式获得的每个频率的信号源‖q_i(ω)‖的距离是在给定的次序，例如以升序。在此，计算置换矩阵P(ω)(步骤S37)。可以使用与在第二实施例中的置换解算器计算置换矩阵类似的方式来计算置换矩阵P(ω)。所计算的置换矩阵P(ω)被左乘到置换矩阵W(ω)，并且产生的矩阵W′(ω)＝P(ω)W(ω)被提供作为分离矩阵(步骤S38)。

所提供的分离矩阵W′(ω)被提供到时域变换器18，在此它用于信号分离。

可以从图20明白，考虑传感器1₂和1₃，在信号源2₁和传感器1₂之间的距离与在信号源2₁和传感器1₃之间的距离之间存在大差别，而在信号源2₂和传感器1₂之间的距离与在信号源2₂和传感器1₃之间的距离之间的差别较小。因此，在DR_1，23＝‖q₁-d₃‖/‖q₁-d₂‖和数字1之间的差具有较大的绝对量值，而在DR_2，23＝‖q₂-d₃‖/‖q₂-d₂‖和数字1之间的差具有小的绝对量值。在传感器1₂和1₃之间的间距越大，则在距离比率DR_1，23(ω)和DR_2，23(ω)之间的差越大。在此使用期间具有大间距的传感器对，在这个示例中是1₂和1₃。

在置换解算器17中，如在图8的步骤S37所示，可以使用所计算的距离比率DR_i，jj′(ω)产生置换矩阵，其中所确定的DR_i，jj′(ω)以每个频率的逆矩阵H(ω)的第一列、第二列、第三列、...、第I列的次序的升序，并且可以产生置换矩阵P(ω)。在这种情况下，省略图17所示的距离估计器17d。可以计算距离比率DR_i，jj′(ω)，其中不能在到达方向确定单元16内计算方向信息u_i(ω)，或者不能仅仅对于已经对于逆矩阵H(ω)的多个列计算了相等值的u_i(ω)的信号源i和传感器ij′计算方向信息u_i(ω)，并且这本身或与进一步确定的‖q_i(ω)‖组合用于置换在分离矩阵W(ω)中的行。具体地说，可以使用方向信息u_i(ω)来置换在分离矩阵W(ω)中的行，其后，可以使用不能成功地进行使用u_i(ω)的置换的行的距离比率DR_i，jj′(ω)或‖q_i(ω)‖来进一步执行W(ω)的行置换。实际上，产生同时产生两个置换的置换矩阵P(ω)。

距离比率DR_i，jj′(ω)被初始地确定，执行在分离矩阵W(ω)中的行置换，并且当还不能确定距离比率DR_i，jj′(ω)的时候，可以使用方向信息u_i(ω)来继续分离矩阵W(ω)的置换。再一次，产生同时产生两个置换的置换矩阵P(ω)。一般，可以以比DR_i，jj′(ω)更高的精度来使用u_i(ω)，因此，优选的是，主要进行按照u_i(ω)的置换，并且当这不可能时，执行按照DR_i，jj′(ω)的置换。

当由距离DR_i，jj′(ω)表示方程(10′)的右侧并且对于q_i求解所述方程的时候，获得具有由下列方程(11)和(12)给出的中心O_i，jj′(ω)和半径R_i，jj′(ω)的球面：

O_i，jj′(ω)＝d_j-(d_j′-d_j)/(DR² _i，jj′(ω)-1)                 (11)

R_i，jj′(ω)＝‖DR_i，jj′(ω)·(d_j′-d_j)/(DR² _i，jj′(ω)-1)‖ (12)

举例而言，当定位传感器1_j′和1_j使得单位是米的d_j＝(0，0.15，0)和d_j′＝(0，-0.15，0)的时候，在R_i，jj′(ω)被用作参数的时候，由方程(9)确定的球面将如图21所示。

这意味着在用作位置信息的由方程(11)和(12)给出的球面上存在信号源i。因此，图17所示的置换解算器17的距离估计器17d可以被当作曲面估计器(如在括号中所示)，以便计算在还不能确定方向信息u_i(ω)的、对于参数i和jj′的曲面估计器17d中的方程(11)中出现的半径R_i，jj′(ω)和中心O_i，jj′(ω)(如图18中所示的步骤S36的括号中所示)。可以确定置换矩阵P(ω)，以便对于任何频率的任何逆矩阵H(ω)，R_i，jj′(ω)和中心O_i，jj′(ω)采用相同的序列。

在如果与球面信息DR_i，jj′(ω)或R_i，jj′(ω)组合地使用锥面信息

或方向信息u_i(ω)则不能确定置换矩阵P(ω)的情况下，传统的相关性方法(参见例如H.Sawada et al“A robust and precise method for solving the permutation problemof frequency-domain blind source separation”，in Proc.Intl.Symp.on IndependentComponent Analysis and Blind Signal Separation(ICA2003)，2003，pp.505-510(H.Sawada等，“用于解决频域盲源分离的置换问题的强壮和精确的方法”，独立分量分析和盲信号分离(ICA2003)国际研讨会会刊，2003，第505-510页))可以被应用到这样的一个或多个频率。如在图17中的虚线所示，由信号分离器19分离的输出信号y_i(t)、...、y_I(t)可以像例如在频域变换器11一样在频域变换器33中被变换为频域信号Y₁(ω，m)、...、Y_I(ω，m)，并且相关性计算器34可以计算置换解算器17未能产生置换矩阵的、对应于频率分量f_ank的频域信号Y₁(ω，m)、...、Y_I(ω，m)的一个分量和接近f_ank并且已经成功地获得置换矩阵的频域信号的频率分量之间的相关性。置换解算器17执行对于频率f_ank的分离矩阵的行置换，以便提高相关性。对于基于行置换的分离矩阵的分离输出信号y_i(t)、...、y_I(t)中的f_ank分量，在相关性计算器33中再次计算相关性。这个处理被重复，直到所计算的相关性到达最大值。如果相关性的最大值不能达到给定的值，则在相关性计算器34中计算在所述f_ank分量和已经获得置换矩阵并且与f_ank具有基波或谐波关系(一般选择谐波关系)的那些频率分量之间的相关性的和，并且在修改器17e中重复在f_ank的分离矩阵中的行置换，以便相关性的和提高直到相关性的和达到最大值。当分离矩阵W(ω)被应用到频域信号X(ω，m)以如上结合第二实施例所述来确定频域分离信号Y(ω，m)的时候，这个Y(ω，m)可以用于相关性计算器34的计算中。

现在说明第三实施例的实验示例，其中已经使用混合语音作为信号源进行了分离实验，在所述信号源中卷积了在房间中实际测量的脉冲响应。如图22所示，传感器包括非定向麦克风1₁到1₄，它们被等距布置在具有4厘米直径的圆周上的水平面上，以便它们的中心位于355厘米×445厘米×250厘米(高)和具有130毫秒的回响时间的房间中的135厘米高度处(在这个附图的左上部分，所述麦克风1₁到1₄被放大示出)，并且非定向麦克风1₅到1₈被等距布置在具有30厘米直径的圆周上，以便使得麦克风1₁、1₃、1₅、1₇形成线性阵列，麦克风1₂、1₄、1₆、1₈形成线性阵列。从麦克风1₁到麦克风1₅选择一个方向作为基准(0°)并且选择麦克风的布置的中心作为原点，声音源2₁被布置在-30°方向，声音源22在+30°方向，声音源2₃在+90°方向，声音源2₆在-150°方向，它们都与原点相隔120厘米，声音源2₄被布置在150°方向，并且在与原点180厘米的间距处。使用采样频率kHz、数据长度6秒、帧长度2048个采样(256毫秒)和帧位移512个采样(64毫秒)。

使用对应于麦克风对1₁和1₃、1₂和1₄、1₁和1₂、1₂和1₃的频域分离矩阵W(ω)的行来进行声音源(锥面)的方向的估计。图22中示出了所估计的直方图，其中横坐标表示估计的方向，纵坐标表示信号的数量。可以看出，估计的方向分在5个簇，位于150°附近的簇是其他簇的两倍。这允许六个声音源的两个从同一方向(150°附近)来临的估计。对于4个声音源，已经根据估计的方向而求解了置换问题，结果如图24所示，其中横坐标表示频率，纵坐标表示方向(以度为单位)。

对于两个剩余的声音源，已经使用宽间距的麦克风对1₇和1₅、1₇和1₈、1₆和1₅、1₆和1₈按照其上可以存在声音源的球面的半径来识别来临信号。图25示出了使用麦克风对1₇和1₅估计的球面的半径，其中横坐标表示频率，纵坐标表示半径(米)。

由于回响的影响和估计的误差，不可能单独根据位置信息来完全地求解置换问题。因此，对于可以根据所估计的位置信息无矛盾地分类信号的频率，根据这样的信息产生置换矩阵，并且对于剩余的频率，使用基于相关性的方法用于求解置换问题。最后，当在时域中确定分离滤波系数的时候已经进行了频谱平滑化。对于频谱平滑化，参见例如H.Sawada et al，“Special smoothingfor frequency-domain blind source separation”，in Proc.IWAENC 2003，2003，pp.311-314(H.Sawada等，“用于频域盲源分离的频谱平滑”，IWAENC会刊，2003，第311-314页)。图26中指示了分离性能(SIR)的估计结果，其中数字是以dB为单位，并且在这个表格中，C表示单独使用相关性方法来解决置换问题，D+C表示使用方向(锥面)的估计来求解置换问题，同时使用相关性方法来用于求解置换问题的失败，而D+S+C指示使用方向(锥面)的估计和球面的估计来解决置换问题，同时使用相关性方法来用于还未解决置换问题的频率。通过使用后一种方法，可以分离所有六种声音源，并且在输入的SIR上的SIR的改进被计算为平均的17.1dB。

在第二实施例中，传感器被布置在二维中，但是因为由传感器对估计的球面相对于传感器的二等分线对称出现，当在三维上存在信号源的时候，不能使用在二维中布置的传感器来确定，需要传感器也被布置在三维中。

如上所述，在第三实施例中，按照方程(9′)来估计锥面信息，并且按照方程(10′)来估计曲面信息，因此减少了计算量。另外，因为通过锥面和球面的距离比率DR_i，jj′(ω)或距离‖q_i(ω)‖或半径R_i，jj′(ω)之一的组合来解决置换问题，如果两个或多个信号源位于同一方向或紧密邻近的方向，则可以区别它们。当增加相关性方法的时候，有可能实现更可靠的分离。可以看出，DR_i，jj′(ω)最好作为球面信息，因为这简化了计算。

第四实施例

在第四实施例中，验证被估计的锥面的可靠性，并且已经被确定为具有高可靠性的锥面用于解决分离矩阵的置换。如图27所示，例如，在锥面验证器41中根据从可允许的角度信息存储器42提供的可允许角度信息来验证由锥面估计器14估计的锥面信息

以看是否它具有可靠性。具体地说，按照方程(9′)确定的角度

表示相对于在获得这个角度中使用的传感器1_j和1_j′的阵列的方向的相对角度，并且如上参照图4B所述，当角度为大约0°和180°时，假定不能正确进行置换。

为此，被估计为允许置换正确进行的最小值θ_min和最大值θ_max在可允许角度存储器42中被存储为可允许角度信息。如果估计的锥面信息

位于θ_min和θ_max之间，则在要提供的锥面验证器41中确定它是可靠的锥面，即可以使用它来解决置换问题。但是，如果它不位于θ_min和θ_max之间，则将那个作为缺少可靠性而丢弃，并且不使用它来解决置换。例如，丢弃图15所示的锥面4₁₃。

由锥面验证器41验证为可靠的锥面信息

被提供到图12所示的到达方向确定单元16，或者被直接提供到如上参照图17所述的置换解算器17。作为由在图13和18中所示的处理程序中从步骤S14扩展的虚线所示的步骤S100，进行验证以看是否被估计的锥面具有可靠性，并且仅当确定它具有可靠性的时候才发生向下一个步骤的转移。将按照方程(9′)计算的在arg(H_ji/H_j′i)中包括的误差表示为

并且将在估计的角度

中包括的误差表示为

可以通过求方程(9′)的偏导数来将其间的比率

近似如下：

已经对于几个频率计算了方程(13)，并且图4C示出了结果。可以从图4C看出，如果由估计的角度

指示的估计方向接近在传感器1_j和1_j′之间的传感器对轴，则在arg(H_ji/H_j′i)中包括的误差

引起相对于所估计的角度

产生大的误差。换句话说，当使用靠近传感器对轴的估计角度来解决分离矩阵W(ω)的置换问题的时候，存在不同提供正确的解的高可能性。可以从图4B和4C看出，例如，θ_min在大约20°，θ_max在大约160°。可以从图4C明白，

相当依赖于频率，

对于在低频率的到达方向的误差具有大的影响。因此，对于低频，期望可以使用信息DR_i，jj、‖q_i‖、R_i，jj或通过相关性方法来解决置换问题，所述信息DR_i，jj、‖q_i‖、R_i，jj基于其上存在信号源的球面的估计。

在第四实施例中，丢弃了缺少可靠性的被估计的锥面信息，因此，可以正确地估计到达方向使得它不受非可靠信息的负面影响，因此，可以产生正确的置换矩阵P(ω)以改善分离信号的SIR(性能)。

第五实施例

第五实施例使用距离比率或从其估计的球面信息作为位置信息。其功能配置被示出在图17中。图28示意性地示出了第五实施例的处理程序。在这种情况下，传感器被较宽地相隔，例如当图22所示的信号源包括声音源的时候可以相隔30厘米，并且被布置在至少二维上。

使用与前面的实施例类似的方式，时域观察信号被变换为如图17所示的频域信号，并且分离矩阵产生器12产生分离矩阵W(ω)(步骤S51)，由此在逆矩阵产生器13中产生逆矩阵H(ω)(步骤S52)。对于每个频率的逆矩阵H(ω)的每列估计球面信息(步骤S53)。以结合第三实施例的上述类似方式来计算这样的球面信息。因此，球面信息包括由距离计算器31计算的距离比率DR_i，jj′(ω)、由距离估计器或曲面估计器17d计算的‖q_i‖或半径R_i，jj′(ω)和中心O_i，jj′(ω)。

使用这样的球面信息来产生要对于分离矩阵W(ω)操作的置换矩阵，以便这样的信息出现的次序采取预定的次序，并且进行置换矩阵W(ω)的行号的置换(步骤S54)。在第三实施例中，这个处理操作已经发生在置换解算器17中，但是在第五实施例中，仅仅使用球面信息。如果存在单独使用球面信息不能解决置换问题的频率，则按照用于这样的频率的上述的相关性方法来解决置换问题。

已经对于12种组合的混合语音进行了分离实验，所述混合语音是在实验房间中被测量的脉冲响应，它们被使用四个压缩器的语音卷积，其中使用以图22所示的方式在房间中布置的麦克风1₆和1₈以及被布置在分别距离原点60厘米和150厘米的、在120°方向的声音源2₄和2₅。已经通过彼此比较所估计的半径R_4，68(ω)和R_5，68(ω)和进行选择以使得R_4，68(ω)≤R_5，68(ω)成立而解决了置换问题。依靠声音源的位置的一种方法被应用到下述频率，对于所述频率，根据按照声音源(R_4，68(ω)，R_5，68(ω))的位置的置换问题的解是可靠的确定，在R_4，68(ω)和R_5，68(ω)中的最大值等于或大于在R_4，68(ω)和R_5，68(ω)中的最小值乘以门限值Ath，或者对于它，满足max(R_4，68(ω)，R_5，68(ω))≥Ath·min(R_4，68(ω)，R_5，68(ω))，并且按照相关的方法被应用到其他频率。因此，当Ath＝1.0的时候，按照声音源的位置的方法被应用到每个频率，并且当Ath无限的时候，按照相关性的方法被应用到每个频率。在改变门限值Ath的同时对于不同的语音组合绘制分离性能或SIR(信号干扰比)，如图29所示。从图29所示的结果可以看出，按照声音源的位置的方法单独导致整体上的性能，而按照相关性的方法单独产生变化，而上述两种方法的组合提供稳定的高性能。可以发现，对于门限值Ath，较高的值是优选的，当在从8-16的范围中选择它的时候，按照声音源的位置的方法对于整个频率的1/5到1/10是有效的。

在图26中在行(D+C)中示出了在图22所示的条件下组合使用按照声音源的位置的方法和按照相关性的方法的实验结果。可以看出，当组合使用两个方法的时候，分离可以获得良好的性能。这个结果显示了与当组合使用利用方程(9′)的按照到达方向(锥面信息)的方法和按照相关性的方法时类似的趋势。在按照相关性的方法的说明引用的文献中指示了当组合使用按照到达方向的方法和按照相关性的方法而获得的实验结果。

使用第五实施例，按照方程(10′)来确定球面信息，因此，减少了计算量。距离比率DR_i，jj′(ω)最好作为球面信息。

第六实施例

第六实施例意欲根据例如单个所估计的锥面来解决置换问题。在锥面估计器14中估计的锥面被直接输入到在图12中的虚线所示的置换解算器17，并且在计算置换矩阵P(ω)中通过跳过图13中的虚线所示的步骤S15而在步骤S16中使用在步骤S14估计的被估计锥面

(n＝1，...，N)，以便

对于任何频率采用例如升序。

在这种情况下，可以在步骤S14中对于每个信号源i估计单个锥面。虽然未示出，但当行置换失败的时候，可以按照如上所述的相关性方法来执行行置换。

按照第六实施例，通过在逆矩阵H(ω)的每列中形成两个元素的比率来简单地消除定标问题，并且所需要的是按照方程(9′)的计算，由此可以减少计算时间。

信号分离的总结

在用于在产生逆矩阵后发生的处理操作的图30A、30B和30C中图解了在盲信号分离期间已经解决置换问题后产生分离矩阵的方法。在图30A中，根据来自逆矩阵的每列的元素的比率来估计锥面(步骤S61)，按照需要来消除不可靠的锥面(步骤S62)，确定对于多个锥面共用的一条直线的方向(步骤S63)，使用所述公用直线的方向产生置换矩阵P(ω)以执行分离矩阵的置换(步骤S64)，并且按照用于还未解决置换问题的频率的相关性方法来执行分离矩阵的行置换(步骤S65)。如图30A中的虚线所示，也有可能从步骤S6向S64直接过渡，直接使用锥面产生置换矩阵P(ω)。

在图30B中，在步骤S61估计锥面，并且在步骤S62按照需要来丢弃一个锥面或多个锥面，在周边S63估计公用直线的方向，使用公用直线的这样的方向来执行逆矩阵的列置换(步骤S66)。在这种情况下，如在附图中的虚线所示，可以在步骤S66的处理操作中直接使用在步骤S61估计的锥面或在S62后保持的锥面。如果锥面的估计或公用直线的方向的确定失败或如果锥面或公用直线的方向不确定或采用与其他相同者，则根据在逆矩阵的列中的元素的比率来估计球面信息(步骤S67)，使用所估计的球面信息执行逆矩阵置换以产生置换矩阵P(ω)用于在分离矩阵中的行置换(步骤S64)。对于还未形成置换矩阵P(ω)的一个或多个频率，应用按照相关性的方法(步骤S65)。

在图30C中，从逆矩阵的每列的元素的比率来初始地估计球面信息(步骤S68)，使用所述球面信息来执行在逆矩阵中的列置换(步骤S69)，如果列置换失败或球面信息不确定，则根据在逆矩阵的列中的元素的比率来估计锥面(步骤S70)。确定对于多个锥面公用的直线的方向(步骤S71)，并且直接使用这样来确定的方向或在步骤S70估计的一个锥面或多个锥面来执行在逆矩阵中的列置换以产生置换矩阵P(ω)，并且执行在分离矩阵中的置换(步骤S64)。对于还未形成置换的一个或多个频率，应用相关性方法(步骤S65)。

另外，存在图28所示的方法。

可以使用频域分离矩阵W(ω)和所观察信号X(ω)来进行信号分离，随后，在第三、第五和第六实施例中以如上结合第二实施例所述的类似方式，分离的频域信号Y(ω)可以被变换为时域信号y(t)。

在第一实施例中的说明中，进行在二维中的信号的到达方向的估计，但是这也适用于如上结合第二实施例所述的三维中的信号的到达方向的估计。第二到第六实施例适用于在二维中的信号分离。在这种情况下，估计的锥面

采用相对于在估计中使用的传感器对的传感器轴对称布置的两个方向，并且被估计的球面R_i，jj′(ω)或DR_i，jj′(ω)将是圆周的半径或其实质等同者。

可以通过计算机功能来实现图5、12和17所示的装置以及在第五实施例中所示的装置。在这种情况下，可以将对应的处理程序、即在图6、13和18中所示的步骤的流程图从磁盘、半导体存储器、CD-ROM等--它存储用于使得计算机执行这样的步骤的程序--安装到在计算机中的存储器中，或者可以通过通信网络向计算机中的存储器中下载所述程序以使得计算机执行所述程序。

Claims (23)

1.一种用于估计信号源的位置信息的装置，其中从I个信号源辐射的信号被J个传感器检测以确定信号源的位置信息，其中I是等于或大于2的整数，J是等于或大于I的整数，所述装置包括：

频域变换部件，用于将来自各个传感器的观察信号变换为频域信号；

分离矩阵计算部件，用于计算第一分离矩阵，所述第一分离矩阵从频域信号通过独立分量分析将来自每个频率的信号源的信号分离出来；

逆矩阵计算部件，用于计算每个第一分离矩阵的逆矩阵，所述逆矩阵包括伪逆矩阵；以及

位置信息计算部件，用于根据在相应频率的逆矩阵的至少一个的每列中的两个元素的比率来计算信号源之一的位置信息。

2.按照权利要求1的装置，其中所述位置信息计算部件是用于通过根据相应频率的多个逆矩阵的每一列的元素的比率计算位置信息来确定每个信号源的位置信息的部件，所述部件包括：

置换矩阵产生部件，用于根据相应频率的信号源的位置信息产生置换矩阵，所述置换矩阵执行在分离矩阵中的行置换，以便用于对应于多个逆矩阵的频率的、在分离矩阵中的、对应于位置信息的行采取预定的次序；以及

置换部件，用于将置换矩阵和第一分离矩阵一起相乘以获得行被置换的第二分离矩阵。

3.按照权利要求2的装置，其中所述J等于或大于3，并且J个传感器被布置在至少二维中，并且其中所述位置信息是包括从所述传感器到所述信号源的方向并在其上存在信号源的锥面，

所述位置信息计算部件包括：用于根据来自多组两个元素的每列的元素的比率来执行锥面的计算的部件；到达方向确定部件，用于估计对于相应频率的多个锥面公用的直线的方向作为位置信息。

4.按照权利要求2的装置，其中所述J等于或大于3，并且所述位置信息包括其上存在一个信号源的锥面和其上存在所述信号源的曲面，并且包括从与所述两个元素对应的所述J个传感器中的第一对传感器观看的所述信号源的方向，

所述位置信息计算部件包括：用于根据所述两个元素的比率来执行锥面的计算的部件；对应于具有比对应于在锥面的计算中使用的所述两个元素的所述第一对传感器的传感器间距大的传感器间距的所述J个传感器中的第二对传感器的部件，用于计算在所述第二对传感器和所述信号源之间的距离的比率；用于根据距离的比率来计算曲面的部件，

所述置换矩阵产生部件是用于根据每个频率的锥面和曲面产生置换矩阵的部件。

5.按照权利要求2的装置，其中所述J等于或大于3，并且J个传感器被布置在至少二维上，其中所述位置信息涉及其上存在信号源的锥面，并且包括从传感器观看的信号源的方向，

还包括确定部件，用于确定在第一和第二预定角之间是否有限定锥面的角，所述确定部件使得具有在第一和第二角之间的角的锥面有效。

6.按照权利要求3或4的装置，还包括确定部件，用于确定在第一和第二预定角之间是否有限定锥面的角，所述确定部件使得具有在第一和第二角之间的角的锥面有效。

7.按照权利要求2的装置，其中所述J等于或大于3，并且J个传感器被布置在至少二维上，其中所述位置信息表示其上存在信号源的球面的半径，并且其中所述位置信息计算部件是用于根据两个元素的比率来计算距离的比率的部件。

8.按照权利要求2的装置，其中所述位置信息涉及其上存在信号源的锥面，并且包括从传感器观看的信号源的方向。

9.按照权利要求2、3、4、7和8之一的装置，还包括：

相关性计算部件，用于计算在来自置换矩阵产生部件未能产生置换矩阵的被观察信号的、使用第二分离矩阵分离的那些信号的频域信号中的频率分量和已经产生置换矩阵的频率分量之间的相关性，以及

修改部件，它置换所述置换矩阵产生部件未能产生置换矩阵的频率的分离矩阵中的行，以便增加相关性。

10.按照权利要求1的装置，其中位置信息表示指示从传感器观看的信号源的方向的方向信息，所述位置信息计算部件包括：用于计算所述比率的幅角的部件；用于计算每单位距离的相位旋转和在对应于所述两个元素的传感器之间的距离的乘积的部件；用于将所述幅角除以所述乘积的部件；用于计算除法结果的反余弦以提供方向信息的部件。

11.按照权利要求10的装置，其中所述位置信息计算部件是用于计算每个频率的一个信号源的方向信息的部件，并且包括统一部件，用于统一对于每个信号源和对于每个频率计算的方向信息以固定方向信息。

12.一种用于估计信号源的位置信息的方法，其中从I个信号源辐射的信号被J个传感器检测以确定信号源的位置信息，其中I是等于或大于2的整数，J是等于或大于I的整数，所述方法包括步骤：

将来自各传感器的观察信号变换为频域信号；

计算第一分离矩阵，所述第一分离矩阵通过独立分量分析从所述频域信号将来自每个频率的信号源的信号分离出来；

计算每个第一分离矩阵的逆矩阵，所述逆矩阵包括伪逆矩阵；以及

根据在相应频率的逆矩阵的至少一个的一列中的两个元素的比率来计算所述信号源之一的位置信息，所述来自一列的两个元素与来自不同列的两个元素不同。

13.按照权利要求12的方法，其中对于每个信号源的所述位置信息计算步骤包括根据相应频率的多个逆矩阵的每列的元素的比率来计算位置信息的步骤，所述步骤包括：

从每个信号源和每个频率的位置信息产生置换矩阵，所述置换矩阵以在对应于多个逆矩阵和对应于所述位置信息的分离矩阵中的行采取预定次序的方式来置换行，以及

将所述置换矩阵和所述第一分离矩阵一起相乘以提供行被置换的第二分离矩阵。

14.按照权利要求13的方法，其中所述J等于或大于3，并且J个传感器被布置在至少二维中，所述位置信息包括从所述传感器观看所述信号源的方向，并且是其上存在信号源的锥面，所述位置信息计算步骤包括：根据来自多个不同组的两个元素的每列的元素的比率来执行锥面的计算；并且估计对于每个频率的多个锥面公用的直线的方向作为位置信息。

15.按照权利要求13的方法，其中所述J等于或大于3，并且所述位置信息包括从与所述两个元素对应的所述J个传感器中的第一对传感器观看的信号源的方向，并且是其上存在一个信号源的锥面和其上存在一个信号源的曲面，

所述位置信息计算步骤包括：根据两个元素的比率来计算锥面；从对应于具有比对应于在锥面的计算中使用的两个元素的第一对传感器的间距大的间距的第二对传感器的两个元素的比率，来计算在所述J个传感器中的第二对传感器和一个信号源之间的距离的比率；并且根据距离的比率来计算曲面，

所述置换矩阵产生步骤根据每个频率的锥面和曲面产生置换矩阵。

16.按照权利要求15的方法，其中置换矩阵产生步骤包括执行以下步骤：根据锥面和球面之一来执行计算位置信息，并且根据对于锥面和球面之一获得的位置信息来产生第一置换矩阵，所述第一置换矩阵将其列置换，以便对应于每个频率的逆矩阵的每列的、所述锥面和球面之一的位置信息采用预定的次序；以及根据产生第一置换矩阵的步骤未能置换列的列的另一锥面和球面来计算位置信息，并且根据对于所述另一锥面和球面获得的位置信息来修改第一置换矩阵以置换逆矩阵的列，以便提供第二置换矩阵，并且计算第二置换矩阵的逆矩阵以提供置换矩阵。

17.按照权利要求13的方法，其中所述J等于或大于3，并且J个传感器被布置在至少二维上，其中所述位置信息包括从传感器观看的信号源的方向，并且表示其上存在信号源的锥面，

并且还包括步骤

确定是否表示锥面的角度位于第一和第二预定角之间；以及

当所述角度不位于第一和第二角度之间的时候消除所述锥面。

18.按照权利要求14到16之一的方法，还包括步骤：

确定是否表示锥面的角度位于第一和第二预定角之间；以及

当所述角度不位于第一和第二角度之间的时候消除所述锥面。

19.按照权利要求13的方法，其中所述J等于或大于3，并且J个传感器被布置在至少二维上，其中所述位置信息表示其上存在信号源的球面的半径，并且其中所述位置信息计算步骤是用于根据两个元素的比率来计算距离的比率的步骤。

20.按照权利要求13的方法，其中所述位置信息包括从传感器观看的信号源的方向，并且表示其上存在信号源的锥面。

21.按照权利要求13-16、19和20之一的方法，其中在置换矩阵产生步骤未能产生用于一个或多个频率的置换矩阵的情况下，还包括步骤：

计算在由已经成功地产生置换矩阵的第二分离矩阵从观察信号分离的信号的频域信号的频率分量和置换矩阵产生步骤未能产生置换矩阵的频率分量之间的相关性；以及

对还未产生置换矩阵的、一个或多个频率的分离矩阵产生置换矩阵，以便所计算的相关性提高。

22.按照权利要求12的方法，其中位置信息表示指示从传感器观看的信号源的方向的信息，

位置信息计算步骤包括将所述比率的幅角除以每个单位距离的相位旋转和在对应于所述两个元素的传感器之间的距离的乘积，并且得出由除法结果表示的反余弦以作为位置信息提供。

23.按照权利要求22的方法，其中位置信息计算步骤是计算每个频率的一个信号源的方向信息的步骤，并且包括统一步骤，用于统一对于每个信号源和对于每个频率计算的方向信息以固定方向信息。

Images