相关背景与文献探讨.pdfVIP

二、 相關背景與文獻探討 2.1 盲訊號分離 盲訊號分離 (Blind Sources Separation, BSS)是 80 年代中後期所發展出來的強 大訊號處理方式 [12,14,38,40]，目前已被廣泛應用在各種領域的研究上，如生物 醫學、語音與通訊、影像處理以及金融經濟學等等。在訊號處理上，盲訊號分離 雖是一種傳統問題， 但卻極具挑戰性 ，因盲訊號分離的過程是將感測器所觀察到 的混合訊號，以萃取或重建出無法直接觀測的訊號，而盲訊號除了是代表未知的 原始訊號內容之外，其信號內容之混合系統的特性亦是未知狀態，因此利用盲訊 號分離技術對未知的訊號及混合系統進行估算 是件不易的事情 。 盲訊號分離方法最大的特色是能充分考慮訊號的特性，例如統計獨立性、稀 疏性和光滑性等特性來提供各種穩健和高效能的計算方法 ，並且從觀測訊號中估 算出不同特性的訊號源 [13] ，其基本的處理步驟包含預處理 、盲訊號分離和後處 理等三個部分 (如圖 2.1 所示 )。大部分的盲訊號分離法是需要先驗資訊 (A Priori Knowledge) 或 是 其 相 關 理 論 的 目標 函 數 (Cost Function) 的 非 監 督 式 學 習 ( Unsupervised Learning)方法，因此將訊號進行預處理與後處理能夠取得可靠且 具物理意義的信號成分，舉例來說，先將觀測的訊號進行白色化 (Whitening)等預 處理，再利用基於高階統計特性的獨立成分分析法找出混合資訊，然後利用這些 資訊進行後處理，讓原始信號進行重建。 盲 預 後 觀 測 訊 號 信 重 要 訊 號 處 號 處 理 分 理 離 圖 2.1 盲訊號分離基本步驟 2.1.1 雞尾酒會問題 在盲訊號分離中，雞尾酒會問題 (Cocktail Party Problem)[14] 是最被廣泛討論 的經典例子，其描述的狀況是在一場雞尾酒會的會場上，充滿著各式各樣的聲 音，如交談聲、音樂聲、腳步聲與杯盤聲等等。當我們身處在這種場合時，耳朵 雖同時接收多種聲音來源，但卻能在這種吵雜的環境中專心於自己有興趣的聲 音，而忽略其他的聲音，例如跟某一群的人在聊天時，就會自然而然的專注在聊 天的內容與聲音上，而自動忽略了如音樂聲或其他人群交談的聲音，或是想聽音 樂時，也能專注於音樂聲，對於其他交談聲或腳步聲也能自動忽略。 因此，若要讓電腦執行如同人耳分離出各式不同的聲音的方式，並分析出我 們所感興趣的聲音，則需在不同的位置放置足夠的麥克風去記錄這些聲音，讓這 些麥克風記錄各個具有不同比例訊號所混合的訊號，然後再由電腦執行分析，以 擷取各種訊號。 如圖 2.2 所示為雞尾酒會問題示意圖，圖中的 S 表示各種獨立的訊號，麥克 風所接收到的訊號 X 則表示各獨立訊號經由某種比例混合後的訊號。假設有 m (t) , s (t) , …, s (t )，利用 n 支麥克風所錄製的訊號為 x (t ) , x (t),…, 個語音訊號 s1 2 m 1 2 n x (t)，則其訊號為 ：