Professional Documents
Culture Documents
Gustavo Leito
Programa de Ps-Graduao em Engenharia Eltica e Computao PPGEE
Processos Estocsticos
09 de Dezembro de 2009
Resumo
Este trabalho realiza um estudo para a
aplicao prtica de tcnicas de separao de
udio em gravaes onde envolva mais de uma
fonte sonora e mais de uma fonte de captura
simultaneamente. As tcnicas analisadas foram
a separao cega utilizando o mtodo de anlise
de componentes independentes (ICA) e a
separao no cega atravs de algoritmo
gentico.
Abstract
This work makes a study for the practical
application of separation techniques in audio
recording which involve more than one sound
source and more than one source captures
simultaneously. The techniques analyzed were
blind source separation using independent
component analysis (ICA) and the separation
"not blind" through genetic algorithm.
1. Introduo
Para se entender melhor
analisaremos a Figura 1.
problema,
Sendo a um coeficiente que pondera amistura
os sinais (por exemplo, distncia do microfone,
tempo de propagao do som, etc.). Assume-se
que tais coeficientes so desconhecidos, pois
no possvel determinar seus valores sem
conhecer a estrutura fsica exata do ambiente. A
fim de se facilitar a notao, as equaes (1) e
(2) podem ser reescritas a forma matricial
como:
Deseja-se, a partir dos sinais capturados x1 e x2,
obter os sinais originados pelas fontes s1 e s2.
Se a matriz de mistura A fosse conhecida, o
problema poderia ser resolvido simplesmente
calculando-se a sua inversa e obtendo
novamente os sinais originais da seguinte
forma:
Como a matriz A no conhecida necessita-se
de um algoritmo que estime esta matriz a fim de
se obter o sinal de cada fonte.
2.
Anlise
de
Indepentes (ICA)
componentes
2.2 Pr-processamento
Antes de aplicar o algoritmo ICA
necessrio realizar um pr-processamento nos
dados de entrada. Isso se deve ao fato de
facilitar a convergncia do algoritmo e servir de
normalizao para o clculo da negentropia.
O pr-processamento constitudo de duas
grandes operaes: a centralizao e o
branqueamento. A Figura 2 mostra as etapas do
pr-processamento do sinal a serem realizadas
antes da anlise de componentes independentes.
Centralizao
Consiste na remoo do nvel DC do sinal, ou
seja, torn-lo com mdia nula. Para isso, devese subtrair de cada amostra o valor mdio do
sinal como um todo.
1
0 0 !203
A imposio de mdia nula no afeta a matriz
de mistura. Aps a estimao da matriz de
mistura A com os dados centrados, repe-se o
valor mdio aos sinais separados.
Branqueamento
Aps a centralizao do sinal necessrio
realizar o branqueamento do sinal. O
branqueamento tem o objetivo de tornar o sinal
com suas componentes descorrelacionadas e
sua varincia unitria.
Para realizar o branqueamento dos dados
aplica-se uma transformao linear invertvel
4, de forma que as observaes 5 40 1
tenham matriz de covarincia identidade, isto
, sejam incorrelacionadas com varincia
unitria, ou seja:
4 >
! ;
Contudo, 4 no a nica matriz de
branqueamento; qualquer matriz A4 em que U
uma matriz ortogonal conduz ao mesmo
resultado.
Desta forma, o branqueamento reduz o nmero
de parmetros a estimar, reduzindo o espao de
pesquisa s matrizes ortogonais. Em vez de
estimar os B
parmetros (elementos) de uma
matriz de mistura genrica B C B, necessrio
DD
parmetros, dado que este o
estimar
3. Algoritmo gentico
Os algoritmos genticos so uma famlia de
modelos
computacionais
inspirados
na
evoluo. Incorporam uma soluo potencial
para um problema especfico numa estrutura
semelhante a de um cromossomo e aplicam
operadores de seleo e "cross-over" a essas
estruturas de forma a preservar informaes
crticas relativas soluo do problema.
Normalmentes os algoritmos genticos so
vistos como otimizadores de funes, embora a
Incio da Populao
Reproduo
4. Metodologia
Para a realizao dos testes foram
utilizadas duas abordagens. Na primeira, dois
sinais senoidais um de 50hz e outro de 1100hz
foram gerados e posteriormente combinados. A
mistura destes sinais de udio foi realizada de
forma computacional a partir de uma matriz de
mistura gerada aleatoriamente. Em seguida os
sinais foram submetidos a separao via
FastICA e via algoritmo gentico.
Na segunda abordagem, os mesmos sinais
foram emitidos por dois monitores de referncia
FastICA
5. Resultados
Sero apresentados dois tipos de resultados: os
das misturas realizadas computacionalmente e
das misturas reais atravs da captura dos sinais
senoidais atravs de microfones.
Gentico
5.2 Misturas Reais
Nesta abordagem os sinais senoidais foram
emitidos por dois monitores de referencia. A
frente dos monitores dois microfones adjacentes
e idnticos captavam os sinais emitidos. Feito
isso, os sinais foram submetido ao FastICA e ao
algoritmo gentico.
Os resultados
sultados podem ser observados pela
anlise das Figuras 13 e 14 para o FastICA e
das Figuras 16 e 17 para o algoritmo gentico.
FastICA
Gentico
Referncias
Figura 15 Sinais misturados naturalmente.
naturalmente
5.3 Discursses
Como pode ser observado pela anlise dos
resultados, tanto o FastICA quanto o algoritmo
gentico se demonstraram eficientes para a
separao de sinais de udios cuja misturas
foram realizadas artificialmente.
Para misturas naturais, ou seja, aplicao real,
no foi observada a separao plena dos sinais.
Houve sim uma separao, porm no se deu de