- Objective: 语音识别 - Breadcrumb: # 概念阐释 盲源分离（Blind Source Separation, BSS）的目的是从多个观测到的混合信号中分离出原始信号。其中“盲”指的是 1）原始信号并不知道；2）对于信号的混合方式并不知道。盲信号分离最早由Herault和Jutten在1985年提出，发表在一篇法文杂志上。 ## 盲源分离的基本假设： - **独立性**：假设原始信号是相互独立的； - **非高斯性假设**：假设原始信号具有非高斯分布（非正态分布）； - **线性混合**：假设观测信号是线性的，非线性观测信号可能需要更加复杂的算法来处理。 ## 解决盲源分离问题的一些算法： - [[ICA 独立成分分析]]：**语音识别**面临的问题是如何将每种声音分离成单独的输出通道，或者在声音来源未知的情况下进行盲源分离。独立分量分析解决了盲源分离问题。 - [[PCA 主成分分析]] - [[NMF 非负矩阵分析]] # 实例 ## 鸡尾酒会效应 当许多人一起在同一个空间里说话的时候，人类的大脑可以即时处理这类的语音讯号分离问题。我们的耳朵能够有助于把听力集中在正确的方向，大脑可以填补没有听清的内容，但对于人工语音处理，这是一个困难的问题。解决这一问题的办法是 ICA。 # 相关内容 # 参考资料 - [盲信号分离-维基百科](https://zh.wikipedia.org/wiki/盲信号分离)