Signalunderrymd

Inom signalbehandling är signalsubrymdmetoder empiriska linjära metoder för dimensionalitetsreduktion och brusreducering . Dessa tillvägagångssätt har tilldragit sig betydande intresse och undersökningar nyligen i samband med talförbättring, talmodellering och talklassificeringsforskning. Signalunderrummet används också i radioriktningssökning med hjälp av MUSIC (algoritmen) .

Metoderna representerar i huvudsak tillämpningen av en principal komponentanalys (PCA) tillvägagångssätt på ensembler av observerade tidsserier erhållna genom sampling , till exempel sampling av en ljudsignal . Sådana sampel kan ses som vektorer i ett högdimensionellt vektorutrymme över de reella talen . PCA används för att identifiera en uppsättning ortogonala basvektorer (bassignaler) som fångar så mycket som möjligt av energin i ensemblen av observerade prover. Vektorutrymmet som spänner över av basvektorerna som identifierats av analysen är då signalunderrummet . Det underliggande antagandet är att information i talsignaler nästan helt finns i ett litet linjärt delrum av det totala utrymmet av möjliga sampelvektorer, medan additivt brus vanligtvis distribueras genom det större utrymmet isotropiskt (till exempel när det är vitt brus ).

Genom att projicera ett sampel på ett signalunderutrymme, det vill säga att endast behålla den komponent av samplet som finns i signalunderrummet som definieras av linjära kombinationer av de första få mest strömförsörjda basvektorerna, och kasta bort resten av samplet, som är i resten av utrymmet som är ortogonalt mot detta delutrymme erhålls då en viss mängd brusfiltrering.

Brusreducering av signalunderrum kan jämföras med Wiener-filtermetoder . Det finns två huvudsakliga skillnader:

• Bassignalerna som används i wienerfiltrering är vanligtvis harmoniska sinusvågor , till vilka en signal kan dekomponeras genom Fouriertransform . Däremot identifieras bassignalerna som används för att konstruera signalunderrummet empiriskt, och kan till exempel vara chirps eller speciella karakteristiska former av transienter efter särskilda triggande händelser, snarare än rena sinusoider.
• Wiener-filtret graderar jämnt mellan linjära komponenter som domineras av signal och linjära komponenter som domineras av brus. Bruskomponenterna filtreras bort, men inte helt helt; signalkomponenterna bibehålls, men inte helt fullständigt; och det finns en övergångszon som delvis är accepterad. I motsats härtill representerar tillvägagångssättet för signaldelrum en skarp cut-off: en ortogonal komponent ligger antingen inom signalunderrummet, i vilket fall den är 100 % accepterad, eller ortogonal mot den, i vilket fall den avvisas till 100 %. Denna minskning i dimensionalitet, som abstraherar signalen till en mycket kortare vektor, kan vara en särskilt önskad egenskap hos metoden.

I det enklaste fallet antar signalsubrymdmetoder vitt brus, men förlängningar av tillvägagångssättet för borttagning av färgbrus och utvärderingen av den subrymdbaserade talförbättringen för robust taligenkänning har också rapporterats.

• Kris Hermus; Patrick Wambacq & Hugo Van hamme (2007). "En översyn av Signal Subspace Speech Enhancement och dess tillämpning på buller Robust Speech Recognition" . EURASIP Journal om framsteg inom signalbehandling . 2007 : 1. doi : 10.1155/2007/45821 .