盲源分离算法学习笔记优缺点(Pros Cons )优缺点
麦克风阵列算法有两种，一种是波束形成算法，另一种是盲源分离算法，两者互有优劣。 本博客首先通过比较盲源分离和波束形成，说明盲源分离的优缺点，以及盲源分离的基础知识，然后分别介绍盲源分离的一般实现方式。 本盲源分离算法主要记录ICA算法，否则BSS和ICA在本博客中等价。
优缺点(Pros Cons )优点盲源分离不需要目标语音VAD的先验信息。
该先验信息对波束形成算法至关重要，其准确性直接影响性能。 另一方面，盲源分离不需要自适应滤波，不需要目标语音的DOA信息。 缺点盲源分离的结果是混淆的。
例如，两个声源s 1、s 2 s_1、s_2 s1、s2分离顺序可以是s 1 ^、s 2 ^ hat{s_1}、hat{s_2} s1 ^、s2 ^，s2 ^、s2 ^、s 1、s 1
ICA算法假设在两个声源s 1、s 2 s_1、s_2 s1、s2相互独立的情况下，分离出的s 1 ^、s 2 ^ hat{s_1}、hat{s_2} s1 ^、s2 ^也相互独立s 1 s_1 s1和s 2 s_2 s2均为阿特托罗分布且相互独立时。 那么，用任意正交矩阵混合后，也是相互独立的。 ICA算法有无限的解，不能分离。 盲源分离不能适应较长的混响场景。 混响长的场景，信号幅度都是模糊的龙猫分布。 混响场景长，很难设定解卷积的长度。 长度太短，不能包含长混响的脉冲响应。 太长了，不满足相互独立的假设。 在长混响的场景中，来自麦克风阵列的信号来自各个方向。 盲源分离本质上相当于多组ABF，波束形成也不能对应这样的场景。 盲源分离需要多次重复，运算量大，收敛速度慢。