URL: http://jsdp.rcisp.ac.ir/article-1-738-fa.html
در این مقاله، یک مسئله ی جدید برای جداسازی سیگنال منابع گفتار به روش کور در نظر گرفته می شود که در آن تعداد منابع فعّال و مشخّصات آن ها، متغیر با زمان است؛ برخلاف روش های قبلی که تمام منابع در تمام بازه های زمانی فعّال هستند. در این مقاله برای جداسازی این نوع سیگنال ها الگوریتم جدید DESICA را پیشنهاد می کنیم که ترکیبی از الگوریتم های ICA و DESPRIT است. در الگوریتم پیشنهادی ابتدا با استفاده از ICA جداسازی اوّلیه منابع انجام می شود و سپس با کمک الگوریتم DESPRIT، ماسک باینری بازه های سکوت محاسبه می گردد. درنهایت با اعمال ماسک باینری به سیگنال های جدا شده ی اوّلیه، جداسازی نهایی به دست می آید. نتایج شبیه سازی نشان می دهد که به طور متوسّط الگوریتم پیشنهادی DESICA در مقایسه با الگوریتم DESPRIT، 6dB بهبود در SDR و SIR ایجاد می¬کند و در معیار SEN سبب 11dB بهبود نسبت به الگوریتم ICA و 17dB بهبود نسبت به الگوریتم DESPRIT می¬شود.