جلال تقیا - دانشگاه شهید بهشتی، دانشکده برق و کامپیوتر
محمد حسن ساوجی - دانشگاه شهید بهشتی، دانشکده برق و کامپیوتر

در این مقاله دو الگوریتم جدید برای جداسازی کور منابع صوتی از تک مخلوطهای خطی و آنی پیشنهاد می شود. در این الگوریتم ها نه تنها فقط از یک مخلوط استفاده شده بلکه از هیچگونه اطلاعات قبلی در مورد منابع اصلی استفاده نمی شود. از آنجاییکه الگوریتم های تجزیه اجزای مستقل (ICA ) در حالت فرو معین که تعداد مشاهدات کمتر از تعداد منابع اصلی است، قادر به جداسازی کور منابعن یستند، الگوریتم هایی پیشنهاد می شوند که قادرند از تک مخلوط مشاهده شده تعداد مشاهدات بیشتر یا برابر با تعداد منابع بدست آورده و الگوریتم تجزیه اجزای مستقل را قادر به جداسازی تک مخلوط های آنی گردانند. الگوریتم پیشنهادی نخست مبتنی بر روش تجزیه وجوه تجربی ( EMD ) است و الگوریتم دوم مبتنی بر روش تجزیه زیرباندها است. در این مقاله با استفاده از آزمایشات، توانایی الگوریتم های پیشنهادی را در جداسازی تک مخلوط های آنی نشان داده و عملکرد این دو الگوریتم را با هم مقایسه می کنیم.

جداسازی کور منابع، تجزیه وجوه تجربی، تجزیه زیرباندها، تجزیه اجزای مستقل