图共 4个 表共 4个

    • 图  1  IVA算法混合模型

      Figure 1. 

    • 图  2  200次仿真性能对比图

      Figure 2. 

    • 图  3  收敛曲线对比图

      Figure 3. 

    • 图  4  分离性能对比图

      Figure 4. 

    • 　步骤1 将时域卷积混合信号经STFT 转换为各个频率点的线性
      瞬时混合复值信号；
      　步骤2 对各频率点的混合信号进行中心化和白化预处理；
      　步骤3 使用JADE算法初始化各频点的分离矩阵 ${{{W}}_0}\left( \omega \right)$，并初
      始化迭代步长 ${\eta _0}$；
      　步骤4 根据 ${{Y}}\left( \omega \right){{ = W}}\left( \omega \right){{X}}\left( \omega \right)$来估计各频点的源信号；
      　步骤5 根据估计出的源信号来计算目标函数和非线性函数，并
      判断分离矩阵是否收敛。若收敛，执行步骤9；
      　步骤6 根据式(14)来更新各频点分离矩阵；
      　步骤7 根据式(25)来更新迭代步长；
      　步骤8 若达到最大迭代次数，输出最终各频点分离信号，否则
      返回步骤4；
      　步骤9 将各频点分离信号经ISTFT恢复成时域分离信号，即
      源信号估计。

      表 1  基于步长自适应的IVA卷积盲分离算法

    • 算法 运行次数 运行总时间(s)
      IVA 1840 23803.8
      JS-IVA 1840 12283.4

      表 2  仿真运行时间

    • 算法 5阶混合 20阶混合 模拟室内混合
      IVA 27.81 34.73 51.18
      JS-IVA 28.70 38.31 63.10

      表 3  算法单次迭代时间对比(ms)

    • 算法 5阶混合 20阶混合 模拟室内混合
      IVA 114/3.17 167/5.80 658/33.68
      JS-IVA 62/1.78 89/3.41 174/10.98

      表 4  算法迭代次数和运行时间对比(次数/s)