Técnicas baseadas em Filtro de Kalman e Semblance para Separação Cega de Fontes
A Separação Cega de Fontes (BSS) é um problema bem estabelecido em processamento de sinais, e continua recebendo atenção da comunidade científica dada sua aplicabilidade em diferentes áreas. O uso do Filtro de Kalman, uma clássica ferramenta de estimação de estado, tem sido explorada como uma solução para o problema de BSS, como uma etapa adicional em algoritmos de separação ou numa abordagem de estimador de parâmetros.
Este trabalho apresenta uma revisão teórica sobre o problema de BSS e a aplicação do filtro de Kalman na separação de fontes como um estimador de parâmetros, segundo duas abordagens distintas: estimação conjunta e dual dos parâmetros. As abordagens foram avaliadas em diferentes cenários, analizando a inicialização e variação dos parâmetros dos algoritmos, em termos da SIR e MER. Os resultados mostram que ambas as abordagens são capazes de separar as fontes em cenários com duas fontes, mas pode não convergir para mais fontes.
Além disso, o trabalho apresenta uma nova abordagem baseada na ideia de formatação de feixe, explorando a função de semblance dos sinais. A avaliação do algoritmos para sinais sintéticos foi feita considerando uma medida de inteligibilidade objetiva (STOI) em dois cenários e diferentes valores de SNR. Os resultados foram comparados com algoritmos clássicos (GSS e Delay-and-Sum) e mostraram que a abordagem apresenta a melhor performance dentre os algoritmos avaliados, em cenários sem ruído.