摘 要: | 
基于卷积传递函数的多通道非负矩阵分解(CTF-MNMF)在长混响环境的盲源分离中取得了较好的性能, 但该算法的分离性能依然受到声源模型的限制。因此提出了基于广义高斯分布(GGD)的CTF-MNMF算法, 通过将域参数引入NMF中并利用广义非负矩阵分解(GNMF)建模GGD的非负尺度因子, 提高了声源模型捕捉信号离群值的鲁棒性, 进而提高了声源估计的准确性。 采用基于辅助函数的优化策略给出分离矩阵和非负矩阵参数的更新公式。仿真结果表明所提算法在语音和音乐两种信号的分离实验中均取得了比GGD-ILRMA、WPE-ILRMA和CTF-MNMF更好的分离性能。

|