یک رویکرد برای جداسازی موسیقی از گفتار به عنوان یک مساله جداسازی منابع تک کاناله، روش عامل بندی نامنفی ماتریس(nmf) است. در این روش، طی روندی تکراری، طیف نگار سیگنال مخلوط به طیف نگار سیگنال های سازنده اش(منبع) تجزیه می شود. در این راستا، در مرحله آموزش nmf استاندارد، طیف نگار هر سیگنال منبع، به صورت ضرب دو ماتریس با درایه های نامنفی، موسوم به ماتریس های وزن و پایه عامل بندی می شود. این ماتریس ها طی روندی تکراری مبتنی بر یک تابع هزینه تخمین زده می شوند. یک مشکل روش nmf استاندارد، مستقل در نظر گرفتن عناصر ماتریس پایه در تابع هزینه است. یک روش برای حل این مشکل در نظر گرفتن پیوستگی زمانی طیف با افزودن عبارتی تنظیم کننده به تابع هزینه می باشد. در این پایان نامه پیشنهاد می شود علاوه بر افزودن عبارت تنظیم کننده، ماسک وینر به عنوان پس پردازش بر سیگنال جدا شده گفتار در خروجیnmf اعمال شود تا کیفیت سیگنال جدا شده بهبود یابد. نتایج آزمایش ها، نشانگر موفقیت به کار گیری روش پیشنهادی در بهبود کیفیت جداسازی برای دو تابع هزینه مبتنی بر (kullback-leibler(kl و itakura-saito(is) درnmf است.