جداسازی صدا و موسیقی با استفاده از دو روش استخراج ساختار هارمونیکی وجداسازی کور منابع

در سیگنال های موسیقی واقعی چندین منبع صدا مثل یک صدای خواننده و ابزار آلات موسیقی با هم ترکیب شده اند. روش های مختلفی برای شبیه سازی و آنالیز آماری سیگنال موسیقی و صدا وجود دارد. هدف جداسازی در واقع یافتن یک نمایش پارامتریک برای سیگنال صدا و موسیقی است. می دانیم در یک سیگنال موسیقی ساختار هارمونیکی تقریباً یک مشخصه تغییر ناپذیر ابزار موسیقی هارمونیکی است. با استخراج ساختار هارمونیکی ابزار مختلف از طیف سیگنال ترکیب شده و طبقه بندی ساختار استخراج شده ی مدل میانگین ساختار هارمونیکی، می توان منابع را از یکدیگر جداسازی کرد. روش دیگری که در حوزه ی روش های چند کاناله است، تکنیک جداسازی کور منابع می باشد. این تکنیک سیگنال های دریافت شده از چندین گیرنده که اطلاعات کافی در مورد آن ها در دسترس نیست را با تکیه برفرض های ضعیفی مانند استقلال آماری منابع اولیه منجر به تکنیک تجزیه به مولفه های مستقل ica می شود، بازیابی می کند. معیاری که برای اندازه گیری استقلال ica به کاربرده شده، معیار اطلاعات متقابل است. برای مقایسه این دو روش snr سیگنال قبل از ترکیب و بعد از آن را در هر دو روش بدست می آوریم. دراینجا به منظور بهبود تخمین فرکانس های بدست آمده با استفاده از ضرایب lpc، فیلتری را طیف سیگنال اعمال می کنیم. همچنین به منظور بهبود سیگنال های بازسازی شده از رمزنگار فاز صدا بهره می بریم.