CN101432805B - 用于改进盲源分离技术的性能的信号处理方法、装置和设备 - Google Patents

Abstract

本揭示案描述可改进盲源分离(BSS)技术的性能的信号处理技术。具体来说，所描述的技术提出可有助于在执行所述BSS技术之前使不同信号彼此去相关的预处理步骤。另外，所述描述的技术还提出可选的后处理步骤，其可在执行所述BSS技术之后进一步使所述不同信号去相关。所述技术对于使用例如来自在空间上彼此非常接近的两个麦克风的高度相关音频信号来改进BSS性能可能特别有用。

Description

用于改进盲源分离技术的性能的信号处理方法、装置和设备

本申请案主张2006年5月2日申请的第60/797,264号美国临时申请案的权益，所述临时申请案的整个内容以引用的方式并入本文中。

技术领域

本揭示案涉及信号处理，且更具体来说，涉及结合盲源分离(BSS)技术而使用的处理技术。

背景技术

在许多信号处理应用中，不同信号被噪声破坏。此噪声可包含例如背景声音、扰动、干扰、串扰或对所记录的信号的任何不需要的添加的东西。因此，为了增强所述信号，希望减少或消除此噪声。在语音通信处理中，用于减少噪声的信号处理常被称为语音增强。

可使用盲源分离(blind source separation，BSS)来使用源信号的多个独立信号混合物来恢复独立源信号。为了分离两个信号，需要两个或两个以上传感器来产生独立信号的混合物。将每一传感器放置在不同位置，且每一传感器记录一信号，所述信号是源信号的混合物。然而，所记录的信号彼此独立，因为传感器记录不同位置处的信息。可使用BSS算法通过利用这些信号差异而分离信号，所述信号差异表明两个传感器所记录的共同信息的空间分集。在语音通信处理中，不同传感器可包括相对于正被记录的语音源放置在不同位置处的麦克风。

发明内容

本揭示案描述可改进盲源分离(BSS)技术的性能的信号处理技术。具体来说，所描述的技术包含预处理步骤，其可有助于在执行BSS技术之前使独立的传感器信号彼此去相关。另外，所描述的技术还可包含可选的后处理步骤，其可在执行BSS技术之后进一步使不同信号去相关。所述技术可能对使用高度相关的音频信号(例如，由在空间上彼此非常接近的两个麦克风记录的音频信号)来改进BSS性能特别有用。

在一个实施例中，本揭示案描述一种方法，其包括：接收与第一传感器相关联的第一信号以及与第二传感器相关联的第二信号；预处理所述第二信号以使第二信号与第一信号去相关；将BSS技术应用于第一信号以产生第一BSS信号；以及将BSS技术应用于经预处理的第二信号以产生第二BSS信号。

在另一实施例中，本揭示案描述一种装置，其包括：产生第一信号的第一传感器和产生第二信号的第二传感器；预处理单元，其预处理所述第二信号以使第二信号与第一信号去相关；以及BSS单元，其将BSS技术应用于第一信号和经预处理的第二信号，以分别产生第一和第二BSS信号。视情况，所述装置还可包含后处理单元以进一步使BSS信号去相关。

在另一实施例中，本揭示案描述一种设备，其包括：用于产生第一信号的装置；用于产生第二信号的装置；用于预处理第二信号以使第二信号与第一信号去相关的装置；以及用于将BSS技术应用于第一信号和经预处理的第二信号以分别产生第一和第二BSS信号的装置。视情况，用于后处理BSS信号的装置还可应用于所述BSS信号中的一者或两者，以进一步使BSS信号去相关。

本揭示案中所描述的这些和其它技术可在硬件、软件、固件或其组合中实施。如果在软件中实施，那么可在数字信号处理器(DSP)或其它类型的处理器中执行所述软件。执行所述技术的软件最初可存储在机器可读媒体中，且加载在处理器中并在处理器中执行，以有效地增强BSS技术。

因此，本揭示案还涵盖一种包括指令的机器可读媒体，所述指令在执行时：接收第一信号和第二信号；预处理第二信号以使第二信号与第一信号去相关；且将BSS技术应用于第一信号和经预处理的第二信号，以分别产生第一和第二BSS信号。

在附图和下文描述内容中陈述各个实施例的额外细节。其它特征、目标和优势将从描述内容和图式，且从权利要求书中变得显而易见。

附图说明

图1是执行可由本文所描述的预处理和后处理技术增强的盲源分离(BSS)技术的装置的框图。

图2是说明根据本揭示案实施例的相对于在其它方面正规的BSS技术而执行预处理和后处理技术的装置的框图。

图3是说明根据本揭示案实施例的相对于BSS技术而执行预处理和后处理技术的装置的另一框图。

图4是说明可根据本揭示案实施例而执行的技术的流程图。

具体实施方式

本揭示案描述可改进盲源分离(BSS)技术的性能的信号处理技术。具体来说，所描述的技术包含预处理步骤，其可有助于在执行在其它方面正规的BSS技术之前使独立的传感器信号彼此去相关。另外，所描述的技术还可包含可选的后处理步骤，其可在执行BSS技术之后进一步使分离的信号去相关。本文所描述的技术可能对使用高度相关的音频信号(例如，由在空间上彼此非常接近的两个麦克风记录的音频信号)来改进BSS算法性能的性能特别有用。

一些BSS算法可具有有限的有效性，特别是在两个传感器彼此非常接近而定位时。举例来说，对于执行语音增强的手持型装置，可能需要具有麦克风布置，其中不同的麦克风在空间上彼此非常接近而定位。事实上，包含例如移动电话的无线通信装置的手持型装置通常设计有较小的形状因素，以便促进用户的便利，这由于不同麦克风在空间上非常接近而对BSS提出挑战。

一般来说，BSS用于利用独立信号的多个混合物来分离这些信号。在本揭示案中所描述的技术中，描述与在其它方面正规的BSS算法一起使用的改进。作为预处理程序的一部分，所描述的技术可使用自适应滤波器来使所记录的信号去相关。接着，作为预处理的一部分，可校准经去相关的信号。在校准之后，可使用基于信息最大化的BSS反馈结构来分离经去相关的信号。视情况，第二自适应滤波器可用作后处理程序的一部分，以通过进一步使所述信号去相关来进一步改进信号分离性能。

图1是执行可由本揭示案中所描述的预处理和后处理技术增强的BSS技术的装置10的框图。BSS还被称为独立分量分析(ICA)，且可用于基于信号的多个混合物而分离这些信号。在分离过程期间，作为源信号的混合物的许多所记录的传感器信号是可用的。通常，关于混合过程的信息不可用，且没有源信号的直接测量可用。有时，一些或所有源信号的先前统计信息可能可用。

BSS已经由于其在许多信号处理问题中的潜在价值而吸引了研究者的广泛关注。BSS在各种领域中具有潜在应用，例如通信、语音增强、噪声减少和包含心电图(ECG)和脑电图(EEG)处理的生化信号处理等。本文所描述的技术可能对较小形状因素限制麦克风放置的无线通信装置中的语音应用特别有用。然而，所述技术不限于语音应用，且可在其它信号处理应用或其它装置中有用。

在许多BSS方法之中，基于信号最大化的方法由于其简单性和其对固定点平台上的实时实施方案的适用性而倍受关注。此些BSS方法可用于分离卷积信号混合物。具体来说，可使用反馈交叉滤波器来分离卷积混合的信号。

如图1所示，装置10包含传感器单元12和BSS单元14。变量S₁(t)和S₂(t)表示两个独立的源信号。滤波器h₁₁(t)、h₁₂(t)、h₂₁(t)、h₂₂(t)表示传感器与源之间的卷积路径。将传感器16A和16B说明为加法器，但更通常表示位于两个不同位置的两个不同传感器，例如麦克风。如果在语音增强中使用，那么可能需要传感器16A和16B包括全向麦克风，因为这些麦克风较经济。

信号S₁(t)在到达传感器16A之前与路径h₁₁(t)卷积，且在到达传感器16B之前与路径h₁₂(t)卷积。类似地，信号S₂(t)在到达传感器16A之前与路径h₂₁(t)卷积，且在到达传感器16B之前与路径h₂₂(t)卷积。传感器16A和16B俘获相应的信息以分别产生信号x₁(t)和x₂(t)。接着，ADC 17A和17B分别产生信号X₁(z)和X₂(z)。因此，信号X₁(z)和X₂(z)在模拟到数字转换之后处于数字域中。将这些信号X₁(z)和X₂(z)馈送到BSS单元14，以便执行盲源分离。

具体来说，BSS单元14实施反馈交叉滤波技术。将X₁(z)馈入具有转移函数W₁₁(z)的滤波器中，且接着馈送到加法器18A。类似地，将X₂(z)馈入具有转移函数W₂₂(z)的滤波器中，且接着馈送到加法器18B。加法器18A的输出在反馈到加法器18B之前馈入具有转移函数W₁₂(z)的另一滤波器中。加法器18B的输出在反馈到加法器18B之前馈入具有转移函数W₂₁(z)的另一滤波器中。在图1中，变量S′₁(z)和S′₂(z)表示BSS单元14的输出，其通常类似于源信号S₁(t)和S₂(t)，且比到达BSS单元14的输入信号X₁(z)和X₂(z)具有好得多的分离。

可使用类似最小均方(LMS)的自适应滤波算法来实施由转移函数W₁₂(z)和W₂₁(z)表示的滤波器。下文在图2的论述中更详细地论述此滤波的额外细节。如果需要的话，可在滤波器系数更新期间使用表示为Ψ(·)的非线性转移函数(图1中未展示)。函数Ψ(·)的可能形式包含Ψ(x)＝tanh(x)、Ψ(x)＝|x|和Ψ(x)＝2P_X(x)-1，其中P_x(x)是随机变量X的累积分布函数(cdf)。然而，为了简单，图1中未展示表示为Ψ(·)的函数。

转移函数W₁₁(z)和W₂₂(z)可采取与BSS技术一致的若干形式。然而，对于所添加的简单性，在以下论述中，在不损害算法的性能的情况下，W₁₁(z)和W₂₂(z)可由标量代替。因此，在以下论述中，将这两个转移函数设置为一体的，且从随后的图中移除。

类似于由BSS单元14所实施的算法的BSS算法非常简单地以在许多情况下实施并得到相当好的分离性能。然而，当记录高度相关时，此算法可能难以收敛。当这种情况发生时，BSS算法可能趋向于使所有信号中的最突出的分量消失。在语音增强中，最突出的分量最有可能是所需的语音信号。出于此原因，本揭示案实施预处理单元来解决这些潜在问题。

在一些情况下，类似于由BSS单元14实施的算法的BSS算法不完全利用可用信息来分离信号。在此情况下，仍可能在由BSS单元14进行分离后观察到分离的信号之间的相关性。这为进一步改进算法的性能留下空间。出于此原因，本揭示案还可实施后处理单元以提供进一步去相关。下文所描述的经改进的BSS技术可能对仅关于一个源信号的应用尤其有用，如在语音通信中的多麦克风噪声减少的情况下。

一般来说，在BSS算法中，将所有信号视为独立的随机变量。用于盲目地分离信号的假定是所有随机变量在统计上都彼此独立，即，所有随机变量的联合分布为所有个别随机变量的乘积。此假定可用公式表示为：

$P_{S_1,...,S_m}(s_1,...s_m)=P_{S_1}\left(s_1\right)...P_{S_m}\left(s_m\right),$

其中

是所有随机变量S₁、…、S_m的联合分布，且

是第j个随机变量S_j的分布。

如果可将混合过程模型化为瞬时矩阵混合，那么BSS问题可被称为瞬时BSS问题，其用公式表示为：

$\stackrel{\‾}{x}\left(t\right)=A\stackrel{\‾}{s}\left(t\right),$

其中

为m×1向量，

为n×1向量，A为n×m标量矩阵。在分离过程中，计算m×n标量矩阵B，且使用其来重构信号

使得

类似于相当于任意置换和任意缩放。换句话说，矩阵BA可分解成PD，其中矩阵P为置换矩阵，且矩阵D为对角矩阵。置换矩阵是通过置换同一尺寸的单位矩阵而导出的矩阵。对角矩阵是仅在其对角线上具有非零条目的矩阵。注意，对角矩阵并不一定是单位矩阵。如果所有m个源都彼此独立，那么矩阵D的对角线上应不存在零条目。一般来说，完整的信号分离要求n≥m。

遗憾的是，实际上，可使用瞬时混合来模型化少数问题。信号在由传感器记录之前通常行进穿过非理想信道，如图1中所说明。在此情况下，将所述问题视为卷积BSS问题。其混合过程可模型化为：

$\begin{array}{cc}{x}_i\left(t\right)=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{h}_{\mathrm{ij}}\left(t\right)\⊗S_j\left(t\right)& i=1,...,n\end{array}$

此处，s_j(t)为第j个源，且x_i(t)为第i个传感器的测量。转移函数h_ij(t)为第j个源与第i个传感器之间的转移函数。符号

表示卷积。需要另一组滤波器W_ji(z)来恢复源信号

恢复公式为：

$\begin{array}{cc}{S^{\′}}_j\left(z\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{W}_{\mathrm{ji}}\left(z\right)X_i\left(z\right)& j=1,...,m\end{array}$

此处，使用Z域表示，因为分离过程在数字信号域中执行。类似于瞬时混合问题，S′(z)类似于

其为源信号

的离散表示，相当于任意置换和任意卷积。如果使用离散表示H_ij(t)来表达混合转移函数h_ij(t)，那么整个系统可用公式表示为：

W(z)H(z)＝PD(z)

其中

$H\left(z\right)=\left[\begin{array}{cc}{H}_{11}\left(z\right)& H_{21}\left(z\right)\\ H_{12\left(z\right)}& H_{22}\left(z\right)\end{array}\right],$

$W\left(z\right)=\frac{1}{1-W_{12}\left(z\right)W_{21}\left(z\right)}\left[\begin{array}{cc}1& -W_{21}\left(z\right)\\ -W_{12}\left(z\right)& 1\end{array}\right],$

P为置换矩阵，且D(z)为对角转移函数矩阵。D(z)的对角线上的元素为转移函数，而非瞬时BSS问题中所表示的标量。同时，对瞬时BSS中的完整分离的要求m≥n仍保留在卷积BSS中。

根据本揭示案，可假定使用两个传感器。对于所有源信号，只有一个信号被认为是关注的，且需要增强。然而，尽管将焦点给予双传感器配置，但结果可容易地延伸到多传感器配置和多个关注的信号。

再次参看图1，由BSS单元14实施的算法的输出可用公式表示为：

S′₁(z)＝W₁₁(z)X₁(z)+W₂₁(z)S′₂(z)

S′₂(z)＝W₂₂(z)X₂(Z)+W₁₂(z)S′₁(z)

如上文所述，因为W₁₁(z)和W₂₂(z)不会影响所述算法的性能，所以应将它们设置为标量，如单位元素。在以下内容中，将图1中所展示的W₁₁(z)和W₂₂(z)设置为对于后面的图来说是统一的，且不会出现，尽管它们是可添加的。在此情况下，BSS单元14所实施的此算法的输出可用公式表示为：

S′₁(z)＝X₁(z)+W₂₁(z)S′₂(z)

S′₂(z)＝X₂(z)+W₁₂(z)S′₁(z)

在一些情况下，可使用类似于最小均方(LMS)的自适应滤波算法来适应W₁₁(z)和W₂₁(z)。下文给出可能的滤波更新等式。

其中

和

为时间t时的两个滤波器。在时间t时，变量s′₁(t)和s′₂(t)是经滤波的输出。它们还分别为s′₁(t)和s′₂(t)的离散表示。变量μ为更新步长，且

为非线性函数(图1中未展示)。举例来说，由变量

表示的转移函数可以是S形函数、双曲正切函数或标记函数。其还可以是在-1与1之间求值的另一单值函数，

和

为在时间t时分别到达滤波器

和

的输入，即，

${{\stackrel{\‾}{s}}^{\′}}_1\left(t\right)={\left[\begin{array}{cccc}{s^{\′}}_1(t-1)& {s^{\′}}_1(t-1)& \·\·\·& {s^{\′}}_1(t-M)\end{array}\right]}^T$

${{\stackrel{\‾}{s}}^{\′}}_2\left(t\right)={\left[\begin{array}{cccc}{s^{\′}}_2(t-1)& {s^{\′}}_2(t-1)& \·\·\·& {s^{\′}}_2(t-M)\end{array}\right]}^{T^{\′}}$

其中M为两个滤波器的长度。

图2是说明根据本揭示案实施例的相对于在其它方面正规的BSS技术而执行预处理和后处理技术的装置20的框图。具体来说，装置20包含预处理单元22、BSS单元24和后处理单元26。BSS单元24相对于图1中的BSS单元14而被简化，但可包括与任何BSS技术一致的额外分量。在任一情况下，BSS单元24通常包括执行在其它方面正规的BSS算法的分量。然而，预处理单元22通过在执行正规BSS技术之前预处理信号以改进去相关来修改BSS技术。另外，后处理单元26进一步修改所述算法，以在正规BSS技术之后实现所述信号的额外去相关。在一些实施例中，后处理单元26是可选的。

在图2中，信号X₁(z)和X₂(z)为来自两个不同传感器的信号，例如来自两个不同麦克风(例如，两个全向麦克风)的音频信号。将第一信号X₁(z)发送到BSS单元24的加法器32A，且还将其发送到预处理单元22。在预处理单元22中，使用自适应滤波器42来对X₁(z)进行滤波，且经由加法单元44从X₂(z)中减去自适应滤波器42的输出，以产生X₂′(z)。自适应滤波器42(“G(z)”)可包含相对较小数目的分接头，例如三个分接头。X₂′(z)主要包括其本质上表示过滤了X₁(z)之后的X₁(z)与X₂(z)之间的差异的范围内的噪声。X₂′(z)也用作反馈以控制自适应滤波器42。

校准单元46使用X₂′(z)和X₁(z)来产生校准因数“c”。具体地说，校准单元46通过将X₁(z)分成时间片段并在一段时期内监视能量来确定X₁(z)中的噪声最低值。将此时期内的最小能量确立为X₁(z)的噪声最低值。校准单元46类似地(例如)通过将X₂′(z)分成片段、在一段时期内监视能量且识别X₂′(z)的最小能量值作为噪声最低值来确定X₂′(z)中的噪声最低值。X₁(z)的噪声最低值相对于X₂′(z)的噪声最低值的比率确立校准因数“c”，其可用于缩放X₂′(z)，使得X₂″(z)具有与X₁(z)相当的噪声最低值。乘法单元48将校准因数“c”应用于X₂′(z)，以产生X₂″(z)，其在本文被称为第二信号X₂(z)的经预处理版本。

经预处理的第二信号X₂″(z)比原始第一信号X₂(z)更与X₁(z)去相关。出于此原因，预处理单元22可改进由BSS单元24执行的盲源分离的性能。BSS单元24通常类似于图1的BSS单元14而操作，但使用经预处理的第二信号X₂″(z)而非信号X₂(z)而操作。滤波器W₁₂(z)将最小均方(LMS)自适应滤波应用于第一信号X₁(z)，且加法器32B对经LMS自适应滤波的第一信号与经预处理的第二信号X₂″(z)求和。类似地，滤波器W₂₁(z)将LMS自适应滤波应用于经预处理的第二信号X₂″(z)，且加法器2A对经LMS自适应滤波和预处理的第二信号与第一信号X₁(Z)求和。

如上文所述，自适应滤波器42不需要许多分接头。对于许多应用来说，一到三个分接头是足够的。如果使用三个分接头，那么可能需要使一个非因果分接头专用于解决不同传感器配置，即向信号X₂(z)添加一个样本延迟。值得注意的是，许多分接头实际上可能通过不必要地移除信号之间的空间分集来使卷积BSS算法的性能降级。因此，出于性能原因，三个或更少的分接头可能是有利的。

自适应滤波器42的输出可表示为：

${x^{\′}}_2\left(t\right)=x_2(t-\mathrm{\τ})-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{g}_t\left(i\right)x_1(t-i)$

其中τ为添加到信号X₂(z)的延迟，g_t(i)为时间t时的第i个滤波系数，且N为自适应滤波器的长度。可使用以下等式来更新自适应滤波器42：

${\stackrel{\‾}{g}}_{t+1}={\stackrel{\‾}{g}}_t+2{{\mathrm{\μx}}^{\′}}_2\left(t\right){\stackrel{\‾}{x}}_1\left(t\right)$

其中

表示时间t时自适应滤波器42的滤波系数，x′₂(t)为时间t时的滤波器输出，M为自适应步长，且 ${\stackrel{\‾}{x}}_1\left(t\right)={\left[\begin{array}{cccc}{x}_1\left(t\right)& x_1(t-1)& ...& x_1(t-N+1)\end{array}\right]}^T$ 为到达滤波器G(z)的输入。

在许多情况下，自适应滤波器42的输出电平非常低，因为信号X₁(z)与X₂(Z)之间的差异非常小。如果直接将此信号馈送到BSS算法，那么所述算法往往由于两个信道上的不平衡激励而非常缓慢地收敛。因此，需要将此信号校准到高达某一电平，以加速BSS算法的收敛，如本文所述。具体来说，可校准错误信号，使得错误信号中的噪声电平类似于初级麦克风信号的噪声电平。具体地说，如果L₁表示X₁(z)中的噪声最低值电平，且L₂表示X′(z)中的噪声最低值电平，那么可将校准因数c选择为

c＝L₁/L₂。

BSS单元24的输出在本文中被称为BSS信号。在一些情况下，这些信号可包括已彼此去相关的经最终处理的信号，在此情况下，可去除后处理单元26。然而，可通过实施后处理单元26来进一步改进BSS算法的性能。

一般来说，在信号分离过程之后，产生两个信号，其同样被称为BSS信号。第一BSS信号(其为加法器32A的输出)主要含有关注的信号，以及所有其它信号的在某种程度上被减弱的部分。对于语音增强应用，此第一BSS信号可包括具有经减弱的噪声的所记录语音。第一BSS信号中的噪声的减小可依据语音信号和噪声的环境和特性而变化。第二BSS信号(其为加法器32B的输出)主要含有噪声，其中所关注的信号(例如，由两个不同麦克风检测到的语音)已被减弱。

在许多情况下，第一BSS信号与第二BSS信号之间仍存在相关性。可进一步利用此相关性来改进所关注的信号，例如语音信号。出于此目的，后处理单元26可用于进一步使第一BSS信号与第二BSS信号去相关。

具体来说，如图2中所示，后处理单元26包含自适应滤波器52，以对第二BSS信号进行滤波，第二BSS信号是来自加法器32B的输出。第一BSS信号(其为来自加法器32A的输出)经由延迟电路54延迟。接着，经由减法单元56从经延迟的第一BSS信号(来自延迟电路54的输出)中减去经自适应滤波的第二BSS信号(来自自适应滤波器52的输出)。S₁′(z)表示在预处理、BSS技术和后处理之后与输入信号X₁(z)相关联的输出。类似地，S₂′(z)表示在预处理、BSS技术和后处理之后与输入信号X₂(z)相关联的输出。还将S₁′(z)信号用作反馈来控制自适应滤波器52。

在图2的装置20中，可能仅需要两个信号中的一者，即信号S₁′(z)，其可表示移除了不想要的噪声的输入信号X₁(z)。此处，简单地将另一输出信号S₂′(z)用作到达自适应滤波器52的输入。如上文所述，在延迟电路54之后，可将关注的信号S₁′(z)用作自适应滤波器52的参考。自适应滤波器52的自适应可类似于预处理单元22中的自适应滤波器42的自适应。后处理单元26可能对使用两个不同麦克风来产生一个增强的语音信号的语音增强特别有用，所述麦克风通常是全向麦克风。在此情况下，增强的语音信号可作为S₁′(z)输出。

图3说明根据本揭示案实施例的装置60的另一实施例。图3的装置60非常类似于图2的装置20。然而，在装置60中，两个信号(S₁″(z)和S₂″(z))都是关注的，而不仅仅是信号S₁′(z)，如上文参看图2所论述。因此，在图3中，使用不同的后处理单元70。在图3中，预处理单元22和BSS单元24与图2的预处理单元和BSS单元完全相同，因此下文将不重复对这些组件的描述。后处理单元70类似于图2的单元26，但本质上对两个信号路径而非仅信号路径中的一者执行类似函数。

在图3中，后处理单元70包含两个自适应滤波器74A和74B，以及两个延迟电路75A和75B。自适应滤波器75B对第二BSS信号进行滤波，第二BSS信号为来自加法器32B的输出。第一BSS信号(其为来自加法器32A的输出)经由延迟电路74A延迟。接着，经由减法单元77A从经延迟的第一BSS信号(来自延迟电路74A的输出)减去经自适应滤波的第二BSS信号(来自自适应滤波器75B的输出)。S₁″(z)表示在图3中所示的预处理、BSS技术和后处理之后与输入信号X₁(z)相关联的输出。还将S₁″(z)信号用作反馈以控制自适应滤波器75B，尽管在说明中为了简单性而未说明此反馈。

类似地处理第二信号路径。具体来说，自适应滤波器75A对第一BSS信号(其为来自加法器32A的输出)进行滤波。第二BSS信号(其为来自加法器32B的输出)经由延迟电路74B延迟。接着，经由减法单元77B从经延迟的第二BSS信号(来自延迟电路74B的输出)中减去经自适应滤波的第一BSS信号(来自自适应滤波器75A的输出)。S₂″(z)表示在图3中所示的预处理、BSS技术和后处理之后与输入信号X₂(z)相关联的输出。还将S₂″(z)信号用作反馈以控制自适应滤波器75A，但在说明中为了简单性而未说明此反馈。

图4是说明可根据本揭示案实施例而执行的技术的流程图。如图4中所示，装置20(见图2)接收第一信号X₁(z)和第二信号X₂(z)(81)。信号X₁(z)和X₂(z)可包括由两个麦克风俘获的音频信号，但本揭示案不一定限于此方面。举例来说，麦克风可包括全向麦克风(或其它类型的麦克风)，且可包含在装置20中。由于第一和第二麦克风在空间上非常接近，所以第一信号X₁(z)可与第二信号X₂(z)高度相关。

预处理单元22对第二信号X₂(z)执行预处理，以使第二信号X₂(z)与第一信号X₁(z)去相关(82)。预处理可包含将自适应滤波器42应用于第一信号X₁(z)，以及从第二信号X₂(z)减去经自适应滤波的第一信号(来自自适应滤波器42的输出)。另外，预处理第二信号X₂(z)可进一步包括基于第一信号X₁(z)的噪声最低值相对于第二噪声X₂(z)与经自适应滤波的第一信号(自适应滤波器42的输出)之间的差异X′₂(z)的比率而产生校准因数“c”。另外，预处理可进一步包括将校准因数“c”应用于差异X′₂(z)。在一些情况下，可使用延迟，使得预处理第二信号X₂(z)进一步包括在从第二信号X₂(z)减去经自适应滤波的第一信号(来自自适应滤波器42的输出)之前延迟第二信号X₂(z)。图2中未展示延迟元件，但如果需要的话可添加。

接下来，BSS单元24对第一信号X₁(z)和经预处理的第二信号X″₂(z)执行BSS技术(83)。BSS技术可包含将最小均方(LMS)自适应滤波应用于第一信号X₁(z)，以及对经LMS自适应滤波的第一信号(W₁₂(z)的输出)与经处理的第二信号X″₂(z)求和。另外，BSS技术可包含将LMS自适应滤波应用于经预处理的第二信号X″₂(z)，以及对经LMS自适应滤波且预处理的第二信号(W₂₁(z)的输出)与第一信号求和。

最后，后处理单元26执行后处理以进一步使分别由加法器32A和32B输出的第一和第二BSS信号去相关(84)。在图2的情况下，后处理第一BSS信号(加法器32A的输出)包括将第二自适应滤波器52应用于第二BSS信号(加法器32B的输出)，且从第一BSS信号(加法器32A的输出)减去经自适应滤波的第二BSS信号(自适应滤波器52的输出)。后处理第一BSS信号(加法器32A的输出)可进一步包含在从第一BSS信号减去经自适应滤波的第二BSS信号(来自自适应滤波器52的输出)之前，经由延迟电路54来延迟第一BSS信号，使得由减法单元56使用电路54的经延迟的输出。

装置20的输出可包括信号S′₁(z)，其可包括噪声被减少的信号X₁(z)的非常准确的表示。或者，如果使用图3的后处理单元60来代替图2的后处理单元26，那么装置70的输出可包括信号S″₁(z)和S″₂(z)。

已经描述了许多实施例。然而，可对本文所描述的技术作出各种修改。举例来说，本文所描述的预处理和/或后处理技术可与其它BSS算法一起使用，其不一定限于图1中所说明的那些技术。另外，尽管已主要描述了在语音增强中使用的技术，但此些技术可针对使用BSS技术的任何环境找到广泛应用，包含其它音频信号应用、噪声减少和包含心电图(ECG)和脑电图(EEG)处理的生化信号处理等。对于音频或语音处理，可针对一些应用实时处理信号。

本文所描述的技术可在硬件、软件、固件或其任一组合中实施。如果在软件中实施，那么所述技术可针对于包括程序代码的计算机可读媒体，所述程序代码在被执行时致使装置执行本文所描述的技术中的一者或一者以上。在此情况下，计算机可读媒体可包括例如同步动态随机存取存储器(SDRAM)的随机存取存储器(RAM)、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦除可编程只读存储器(EEPROM)、快闪存储器等。

所述程序代码可以计算机可读指令的形式存储在存储器上。在那种情况下，例如DSP的处理器可执行存储在存储器中的指令，以便实行本文所述的BSS增强技术中的一者或一者以上。在一些情况下，所述技术可由DSP执行，DSP调用各种硬件组件来加速所述过程。在其它情况下，可将本文所描述的单元实施为微处理器、一个或一个以上专用集成电路(ASIC)、一个或一个以上现场可编程门阵列(FPGA)、一个或一个以上复杂可编程逻辑装置(CPLD)或某一其它硬件-软件组合。本文所描述的单元可集成到常见硬件、电路或处理器中。具体地说，本揭示案中所描述的预处理单元和后处理单元可实施为具有本文所描述的BSS单元的一个常见单元。

这些和其它实施例在所附权利要求书的范围内。

Claims (28)

1.一种用于改进盲源分离技术的性能的信号处理方法，其包括：

接收与第一传感器相关联的第一信号和与第二传感器相关联的第二信号；

预处理所述第二信号以使所述第二信号与所述第一信号去相关；

将盲源分离(BSS)技术应用于所述第一信号以产生第一盲源分离信号；以及

将所述盲源分离技术应用于所述经预处理的第二信号以产生第二盲源分离信号，

其中，预处理所述第二信号包括：

将自适应滤波器应用于所述第一信号，

从所述第二信号减去所述经自适应滤波的第一信号，以及

基于所述第一信号的噪声最低值相对于所述第二信号与所述经自适应滤波的第一信号之间的差异的比率而产生校准因数。

2.根据权利要求1所述的信号处理方法，其中预处理所述第二信号进一步包括在从所述第二信号减去所述经自适应滤波的第一信号之前，延迟所述第二信号。

3.根据权利要求1所述的信号处理方法，其中预处理进一步包括将所述校准因数应用于所述差异。

4.根据权利要求1所述的信号处理方法，其进一步包括：

后处理所述第一盲源分离信号以进一步使所述第一盲源分离信号与所述第二盲源分离信号去相关；以及

输出所述经后处理的第一盲源分离信号。

5.根据权利要求4所述的信号处理方法，其中：

后处理所述第一盲源分离信号包含将第二自适应滤波器应用于所述第二盲源分离信号，以及从所述第一盲源分离信号减去所述经自适应滤波的第二盲源分离信号。

6.根据权利要求5所述的信号处理方法，其中后处理所述第一盲源分离信号进一步包含在从所述第一盲源分离信号减去所述经自适应滤波的第二盲源分离信号之前，延迟所述第一盲源分离信号。

7.根据权利要求6所述的信号处理方法，其中预处理所述第二信号进一步包括：

将所述校准因数应用于所述差异。

8.根据权利要求1所述的信号处理方法，其进一步包括：

后处理所述第一和第二盲源分离信号，以进一步使所述第一盲源分离信号与所述第二盲源分离信号去相关。

9.根据权利要求1所述的信号处理方法，其中应用所述盲源分离技术包含：

将最小均方(LMS)自适应滤波应用于所述第一信号；

对所述经最小均方自适应滤波的第一信号与所述经预处理的第二信号求和；

将最小均方自适应滤波应用于所述经预处理的第二信号；以及

对所述经最小均方自适应滤波和预处理的第二信号与所述第一信号求和。

10.根据权利要求1所述的信号处理方法，其中所述第一信号包括与第一麦克风相关联的第一音频信号，且所述第二信号包括与第二麦克风相关联的第二音频信号。

11.根据权利要求10所述的信号处理方法，其进一步包括使用所述第一麦克风俘获所述第一音频信号，且使用所述第二麦克风俘获所述第二音频信号。

12.根据权利要求11所述的信号处理方法，其进一步包括将所述俘获的音频信号从模拟信号转换成数字信号。

13.根据权利要求11所述的信号处理方法，其中由于所述第一和第二麦克风在空间上非常接近，所以所述第一音频信号与所述第二音频信号高度相关。

14.根据权利要求13所述的信号处理方法，其中在无线通信装置中执行所述方法。

15.一种用于改进盲源分离技术的性能的信号处理装置，其包括：

产生第一信号的第一传感器和产生第二信号的第二传感器；

预处理单元，其预处理所述第二信号，以使所述第二信号与所述第一信号去相关；以及

盲源分离(BSS)单元，其将盲源分离技术应用于所述第一信号和所述经预处理的第二信号，以分别产生第一和第二盲源分离信号，其中，

所述预处理单元将自适应滤波器应用于所述第一信号，从所述第二信号减去所述经自适应滤波的第一信号，并且基于所述第一信号的噪声最低值相对于所述第二信号与所述经自适应滤波的第一信号之间的差异的比率而产生校准因数。

16.根据权利要求15所述的信号处理装置，其中所述预处理单元将所述校准因数应用于所述差异。

17.根据权利要求15所述的信号处理装置，其进一步包括后处理单元，所述后处理单元后处理所述第一盲源分离信号以进一步使所述第一盲源分离信号与所述第二盲源分离信号去相关，并输出所述经后处理的第一盲源分离信号。

18.根据权利要求17所述的信号处理装置，其中：

后处理单元将第二自适应滤波器应用于所述第二盲源分离信号，并从所述第一盲源分离信号减去所述经自适应滤波的第二盲源分离信号。

19.根据权利要求18所述的信号处理装置，其中所述后处理单元在从所述第一盲源分离信号减去所述经自适应滤波的第二盲源分离信号之前延迟所述第一盲源分离信号。

20.根据权利要求19所述的信号处理装置，其中所述预处理单元：

将所述校准因数应用于所述差异。

21.根据权利要求17所述的信号处理装置，其中所述后处理单元后处理所述第一和第二盲源分离信号，以进一步使所述第一盲源分离信号与所述第二盲源分离信号去相关。

22.根据权利要求15所述的信号处理装置，其中所述预处理单元在从所述第二信号减去所述经自适应滤波的第一信号之前延迟所述第二信号。

23.根据权利要求15所述的信号处理装置，其中所述盲源分离单元：

将最小均方(LMS)自适应滤波应用于所述第一信号；

对所述经最小均方自适应滤波的第一信号与所述经预处理的第二信号求和；

将最小均方自适应滤波应用于所述经预处理的第二信号；以及

对所述经最小均方自适应滤波和预处理的第二信号与所述第一信号求和。

24.根据权利要求15所述的信号处理装置，其中所述第一传感器包括第一麦克风，且所述第二传感器包括第二麦克风，且其中所述第一信号包括与所述第一麦克风相关联的第一音频信号，且所述第二信号包括与所述第二麦克风相关联的第二音频信号。

25.根据权利要求24所述的信号处理装置，其中由于所述第一和第二麦克风在空间上非常靠近，所以所述第一音频信号与所述第二音频信号高度相关。

26.根据权利要求15所述的信号处理装置，其中所述信号处理装置包括无线通信装置。

27.一种用于改进盲源分离技术的性能的信号处理设备，其包括：

用于产生第一信号的装置；

用于产生第二信号的装置；

用于预处理所述第二信号以使所述第二信号与所述第一信号去相关的装置；以及

用于将盲源分离(BSS)技术应用于所述第一信号和所述经预处理的第二信号以分别产生第一和第二盲源分离信号的装置，

其中，用于预处理所述第二信号的装置将自适应滤波器应用于所述第一信号，从所述第二信号减去所述经自适应滤波的第一信号，并且基于所述第一信号的噪声最低值相对于所述第二信号与所述经自适应滤波的第一信号之间的差异的比率而产生校准因数。

28.根据权利要求27所述的信号处理设备，其进一步包括用于后处理所述第一盲源分离信号以进一步使所述第一盲源分离信号与所述第二盲源分离信号去相关的装置。

Images