Determined Multichannel Blind Source Separation with Clustered Source Model

独立低秩矩阵分析（ILRMA）方法是一种杰出的多通道盲音源分离技术。它利用非负矩阵分解（NMF）和非负的CP分解（NCPD）来建模源参数。虽然它有效地捕捉了源的低秩结构，但是NMF模型忽略了通道间的依赖关系。另一方面，NCPD保留了内在的结构，但缺乏可解释的潜在因素，使得将先验信息作为约束加入其中具有挑战性。为了解决这些限制，我们引入了基于非负块张量分解（NBTD）的聚类源模型。该模型将块定义为向量（聚类）和矩阵（用于光谱结构建模）的外积，提供可解释的潜在向量。此外，它使得直接集成正交性约束以确保源图像之间的独立性成为可能。实验结果表明，我们提出的方法在无混响条件下优于ILRMA及其扩展，并且在模拟混响环境中超过了原始的ILRMA。

本论文旨在解决多通道盲音频源分离中的一些局限性，如模型忽略了通道间的依赖关系和缺乏可解释的潜在因素。

本论文提出了一种基于非负块张量分解的聚类源模型，将向量和矩阵定义为块，并提供可解释的潜在向量，同时还能够轻松整合正交性约束。

实验结果表明，该方法在无混响条件下优于ILRMA及其扩展，并在模拟混响环境中超越了原始ILRMA。

在这个领域中，最近的相关研究包括基于NMF和NCPD的盲音源分离方法，如NMF-based Audio Source Separation Using Sparseness, NCPD-based Blind Audio Source Separation Using Sparsity Constraints等。