Eine vergleichende Studie zur Blindquelle-Trennung von bioakustischen Klängen basierend auf FastICA, PCA und NMF

Die Blindquelle-Trennung (BSS) ist eine Aufgabe, bei der eine Gruppe von Quellsignalen aus gemischten Signalen ohne (oder mit sehr wenig Informationen) über die Quellen und den Mischprozess getrennt wird. Dieses Papier beschäftigt sich mit dem Problem der BSS in bioakustischen gemischten Signalen. In einer lauten akustischen Umgebung bleibt die Artenerkennung basierend auf Vocalisation eine herausfordernde Aufgabe. Um die spezifischen Arten robust zu erkennen, müssen die interessierenden Quellsignale von den gemischten Signalen getrennt werden. Dieser Trennprozess ist ein bedeutender Vorverarbeitungsschritt, bevor der Erkennungsprozess stattfindet. In diesem Papier werden drei verschiedene Methoden zur Quellen-Trennung, nämlich Fast Fixed-Point Independent Component Analysis-Algorithmen (FastICA), Hauptkomponentenanalyse (PCA) und Nicht-negative Matrixfaktorisierung (NMF) implementiert. In diesem Experiment werden Mischungen von Froschgeräuschen als Eingabe verwendet. Die Qualität der getrennten Quellsignale mit den Algorithmen FastICA, PCA und NMF wird verglichen und anhand der Metriken des BSSEVAL-Toolbox bewertet. Diese Metriken bestehen aus Signal-zu-Verzerrungsverhältnis (SDR), Signal-zu-Störungsverhältnis (SIR) und Signal-zu-Artefakt-Verhältnis (SAR). Die Ergebnisse zeigen, dass FastICA mit der Negentropietechnik zur Maximierung der Nicht-Gaussianität die besten Leistungen bei der Trennung gemischter Signale erzielt.