معرّفي الگوريتم جديد DESICA براي جداسازي كور سيگنال منابع گفتار در حالت پويا

در اين مقاله، يك مسيله ي جديد براي جداسازي سيگنال منابع گفتار به روش كور در نظر گرفته مي شود كه در آن تعداد منابع فعّال و مشخّصات آن ها، متغير با زمان است؛ برخلاف روش هاي قبلي كه تمام منابع در تمام بازه هاي زماني فعّال هستند. در اين مقاله براي جداسازي اين نوع سيگنال ها الگوريتم جديد DESICA را پيشنهاد مي كنيم كه تركيبي از الگوريتم هاي ICA و DESPRIT است. در الگوريتم پيشنهادي ابتدا با استفاده از ICA جداسازي اوّليه منابع انجام مي شود و سپس با كمك الگوريتم DESPRIT، ماسك باينري بازه هاي سكوت محاسبه مي گردد. درنهايت با اعمال ماسك باينري به سيگنال هاي جدا شده ي اوّليه، جداسازي نهايي به دست مي آيد. نتايج شبيه سازي نشان مي دهد كه به طور متوسّط الگوريتم پيشنهادي DESICA در مقايسه با الگوريتم DESPRIT، 6dB بهبود در SDR و SIR ايجاد مي كند و در معيار SEN سبب 11dB بهبود نسبت به الگوريتم ICA و 17dB بهبود نسبت به الگوريتم DESPRIT مي شود.