1、“.....能够集中注意力于个人说话内容的能力盲信号分离技术是目前的主要研究方向。语音分离技术的研究具有重要的意义在语音识别系统的前端进行语音分离，可以极大的提高识别系统在实际环境中的分辨能力在电话会议系统中，由于麦克风记录的是混合语音是感兴趣说话人的语音质量大大降低，语音分离技术可以用来提高所感兴趣的人的语音质量，从而改善电话会议的效果另外语音分离算法可以实现声源定位，确定说话人的个数，这方面的研究对智能机器人的智能化研究具有十分重要的作用，。语音分离技术的的发展和现状语音增强的经典算法是谱减法，它在检测到目标语音处于不活动状态的情况下，估计背景噪声的统计特性，然后利用这些统计特性实现语音信号的增强。它适合平稳噪声，不适合语音分离，因为干扰语音源是非平稳噪声，在个时间估计的统计特性在另时间无效，所以无法进行语音分离。子空间分解法是依据字空间准则，把含噪语音进行分解......”。

2、“.....得到信号和噪声不同的统计特性，然后去掉噪声，它也只适用于去除平稳噪声，因为目标语音和干扰语音没有显著的统计特性和谱特性差别，所以该方法同样不能进行有效的语音分离。最小均方算法是利用许多与干涉源信号相关的参考信号，来除去有用语音信号中的干扰项，但在实际的语音分离中，会将部分目标语音去除，导致语音分离的效果变差。基于多麦克风阵列的波束形成技术已经被用来抑制混合语音中的干涉语音。将从多个麦克风阵列中得到的语音通过各种各样的滤波过程，实现对特定语音的基于的语音分离技术研究抑制或放大，滤波过程依赖于对声学环境的先验知识或利用统计特性的自适应的进行。但它有自身的局限性第，为增强个语音需要许多麦克风，代价高第二，波束形成所需要的麦克风阵列中各个麦克风的距离是由目标语音波长所决定的，使用上不方便第三，波束形成是频率相关技术，由于语音是全频带信号，很难在各个频段都取得较好的效果......”。

3、“.....因而常用的语音增强方法难以将感兴趣的目标语音从干扰语音中分离出来。目前，这方面的最新研究主要以盲信号分离和声场景分析，两类方法为主。盲信号分离技术所谓盲信号分离就是根据观测到混合数据向量确定变换以恢复原始信号或信源。盲信号分离中的“盲”指的是源信号的形式是未知的，源信号的混合方式是未知的。盲信号处理主要应用到阵列信号处理无线通信中用个通道实现多用户通信服务通信均衡脑电信号分离多说话人语音信号的分离以及隐性经济因素提取等用途。已经成为目前研究的个热门。盲信号处理需要几个假设条件源信号的个数和观测信号的个数相等源信号的各分量都是零均值的实随机变量，且在任意时刻均相互源信号的各分量中最多允许个具有高斯分布各传感器的引入噪声很小对源信号的概率密度函数有些先验知识的基本原理和应用的提出分量分析方法是近二十年逐渐发展起来的种高效盲信号分离方法。它最早是用来解决“鸡尾酒会”问题的......”。

4、“.....下面我们看下什么是“鸡尾酒会”问题。假设在个房间内有两个人同时说话，在不同的位置放两个话筒记录房间的基于的语音分离技术研究说话声，现在要将两个人的说话声分离出来。假设话筒采集信号为两个人的说话语音信号用，表示，由于每个话筒记录的均是两人的混合声音，所以可用如下方程表示其中系数是与话筒和说话人距离相关的参数。在这种情况下我们希望只利用观测信号和，就能得到源信号和，这就是“鸡尾酒会”问题。如果值是已知的，利用传统的方法很容易解决，反之，问题就比较复杂。然而，实际上只要，是统计的，我们可用统计方法估计出的值。正是这样种统计方法。它能从传感器观测到的混合信号中分离出源信号，是分离出的信号之间尽可能。的处理流程原始数据预处理后数据分离信号重建图的处理流程的应用近来，通过实现的盲源分离引起了广泛的关注，主要是因为该方法在语音识别特征提取生物信号处理以及通信系统和金融数据分析等方面有着广泛的应用......”。

5、“.....通过方法可源信号„传感器„„图典型的多源多传感器框图在定条件下，能有效的从多通道观测信号中分离出源信号。其主要任务是估计分离矩阵，以实现从多通道观测信号中分离出相互的信源分量，即，希望能较好的逼近真实源信号。算法本节主要介绍种结构简单的定点快速算法，该方法基于定点递推算法，对目标函数的优化速度快，对任何数据都适用，具有很好的稳定性，是目前使用非常广泛的种方法。其结构图如下基于的语音分离技术研究图算法框图由公式的推导过程中，我们知道其中是个正常数，是均值为，方差为的高斯随机变量。的均值为，方差为。函数是个非二次函数。由于的值不随分离矩阵而改变，所以只要调节使分离信号的负熵和最大，就等于分离出的信号之假设在个房间内有两个人同时说话，在不同的位置放两个话筒记录房间的基于的语音分离技术研究说话声......”。

6、“.....假设话筒采集信号为两个人的说话语音信号用，表示，由于每个话筒记录的均是两人的混合声音，所以可用如下方程表示其中系数是与话筒和说话人距离相关的参数。在这种情况下我们希望只利用观测信号和，就能得到源信号和，这就是“鸡尾酒会”问题。如果值是已知的，利用传统的方法很容易解决，反之，问题就比较复杂。然而，实际上只要，是统计的，我们可用统计方法估计出的值。正是这样种统计方法。它能从传感器观测到的混合信号中分离出源信号，是分离出的信号之间尽可能。的处理流程原始数据预处理后数据分离信号重建图的处理流程话筒采集信号为两个人的说话语音信号用，表示，由于每个话筒记录的均是两人的混合声音，所以可用如下方程表示其中系数是与话筒和说话人距离相关的参数。在这种情况下我和提出。下面我们看下什么是“鸡尾酒会”问题。假设在个房间内有两个人同时说话......”。

7、“.....现在要将两个人的说话声分离出来。假设信号的概率密度函数有些先验知识的基本原理和应用的提出分量分析方法是近二十年逐渐发展起来的种高效盲信号分离方法。它最早是用来解决“鸡尾酒会”问题的。它最早由究的个热门。盲信号处理需要几个假设条件源信号的个数和观测信号的个数相等源信号的各分量都是零均值的实随机变量，且在任意时刻均相互源信号的各分量中最多允许个具有高斯分布各传感器的引入噪声很小对源未知的，源信号的混合方式是未知的。盲信号处理主要应用到阵列信号处理无线通信中用个通道实现多用户通信服务通信均衡脑电信号分离多说话人语音信号的分离以及隐性经济因素提取等用途。已经成为目前研，两类方法为主。盲信号分离技术所谓盲信号分离就是根据观测到混合数据向量确定变换以恢复原始信号或信源。盲信号分离中的“盲”指的是源信号的形式是在时域和频域上完全重叠，因而常用的语音增强方法难以将感兴趣的目标语音从干扰语音中分离出来。目前......”。

8、“.....使用上不方便第三，波束形成是频率相关技术，由于语音是全频带信号，很难在各个频段都取得较好的效果。由以上看出由于构成混叠语音的各源语音信号，实现对特定语音的基于的语音分离技术研究抑制或放大，滤波过程依赖于对声学环境的先验知识或利用统计特性的自适应的进行。但它有自身的局限性第，为增强个语音需要许多麦克风，代价高第二，波束形成号中的干扰项，但在实际的语音分离中，会将部分目标语音去除，导致语音分离的效果变差。基于多麦克风阵列的波束形成技术已经被用来抑制混合语音中的干涉语音。将从多个麦克风阵列中得到的语音通过各种各样的滤波过程也只适用于去除平稳噪声，因为目标语音和干扰语音没有显著的统计特性和谱特性差别，所以该方法同样不能进行有效的语音分离。最小均方算法是利用许多与干涉源信号相关的参考信号，来除去有用语音信稳噪声......”。

9、“.....所以无法进行语音分离。子空间分解法是依据字空间准则，把含噪语音进行分解，信号分解为信号字空间和噪声字空间，得到信号和噪声不同的统计特性，然后去掉噪声，它发展和现状语音增强的经典算法是谱减法，它在检测到目标语音处于不活动状态的情况下，估计背景噪声的统计特性，然后利用这些统计特性实现语音信号的增强。它适合平稳噪声，不适合语音分离，因为干扰语音源是非平音分离技术可以用来提高所感兴趣的人的语音质量，从而改善电话会议的效果另外语音分离算法可以实现声源定位，确定说话人的个数，这方面的研究对智能机器人的智能化研究具有十分重要的作用，。语音分离技术的的方向。语音分离技术的研究具有重要的意义在语音识别系统的前端进行语音分离，可以极大的提高识别系统在实际环境中的分辨能力在电话会议系统中，由于麦克风记录的是混合语音是感兴趣说话人的语音质量大大降低，语音同时存在时，提取特定话者的语音......”。