This paper considers the blind source separation method for underdetermined convolutive mixtures of super-Gaussian sources. This paper proposes a novel mixing matrix estimation and minimum mean square error (MMSE) based source estimation algorithm. The method consists of three stages and performs in the time-frequency domain. In the first stage, the mixing matrix in each frequency bin is estimated by the proposed single source detection and clustering algorithm. In the second stage, the sources are estimated by minimizing a mean square error (MSE) criterion with low computational load. The source coefficients in time-frequency domain are assumed to follow complex super-Gaussian distribution. In the last stage, the estimated sources in each frequency bin are aligned. In our simulations, the proposed algorithm outperformed conventional algorithm in terms of the mixing error ratio and the signal to distortion ratio.
언더디터민드 대합 미지신호분리란 혼합되는 원신호의 수가 관측된 혼합신호의 수보다 많고, 원신호들이 임의의 충격함수 응답들과 대합되어져 혼합신호를 발생시키는 경우에 오직 이 혼합신호들만을 가지고 원신호들을 분리해내는 것을 말한다. 본 논문에서는 3단계 접근법에 기반한 언더디터민드 대합 미지신호분리 알고리즘을 제안한다. 첫 번째 단계에서는 각각의 주파수 bin에서 혼합 행렬을 복원한다. 여기서 하나의 원신호만이 활성화된 시간-주파수 영역 점들을 찾아서 군집화하는 새로운 알고리즘을 제안한다. 두 번째 단계에서는 추정된 혼합행렬을 바탕으로 평균 제곱 오차를 최소화하는 소스들을 복원한다. 여기서 원신호들은 sparse한 초-가우시안(super-Gaussian) 분포를 따른다고 가정하고, 기존의 방법보다 적은 계산량을 요구한다. 세 번째 단계에서는 각각의 주파수 bin 별로 복원된 원신호들의 순서를 정렬한다. 실험 결과를 통해 제안한 알고리즘이 기존의 알고리즘보다 혼합행렬을 더 정확하게 추정하고, 원신호들을 잘 복원한다는 것을 확인하였다.
