盲分离是一种不需要源信号与传输信道提供先验信息,仅依靠观测到的混合数据就可以很好地还原出源信号的算法。该方法不仅可以应用于图像、医学信号处理,而且在声信号的处理尤其是双耳助听器中得到了广泛的应用。盲分离在助听器中主要用以语音增强,其能够利用自身算法的特点即在不知道麦克风阵列分布、信道传输特性并且不破坏其他声源双耳间线索的情况下,保持目标声源双耳间的线索。然而,由于盲分离算法自身的复杂度比较高,与助听器对芯片低功耗低时延的要求不一致,因此为了让盲分离在助听器中发挥更大的应用价值,首先要做的就是想办法降低盲声源分离的复杂度。为了更好地解决盲源分离中的高复杂度问题,本文从频域出发提出了一种基于多标准融合的快速BSS算法。本文首先介绍了利用盲声源分离将源信号从混合信号中恢复出来的整个流程,并对其中各个阶段采用的方法以及其复杂度进行了详细的描述。其次,详细介绍了文中提出的基于多标准融合的频点筛选快速BSS算法。频点筛选方法的基本思想为让小部分的频点由ICA算法不断迭代更新求解分离矩阵,剩余频点的分离阵通过其他复杂度低的方法来获得。本文提出的新的算法,在选择由ICA算法迭代求解分离阵的频点时,综合考虑了信号的能量和独立性这两个特性。论文中创新性的采用了多标准融合的频点筛选方法:以内积和参数化中心相关熵来作为频点选择的标准,具体方法为:(1)计算设置好的范围内的频点上的内积和参数化中心相关熵;(2)根据频带数目随阈值变化情况,设置两个标准各自的阈值范围;(3)在联合阈值的范围中仿真算法的分离性能和运行时间,确定联合的阈值:(4)对于两个标准均进行归一化处理,然后将归一化后的值和阈值比较,若该频点上均满足两个阈值要求,则该频点的分离阵由迭代更新得到,否则的话被划为剩余频点。由此方法选择的频点不仅具有高的信噪比,而且信号间的独立性更强能够更好的满足频域ICA算法的假设条件。相对于目前单一标准的选择,由多标准方法得到的需要迭代的频点数目大大减少,算法的复杂度也会随之下降。不仅如此,得到的初选频点会有更大的概率是那些有好的分离性能的频点,从而更好地平衡分离性能跟复杂度之间的关系,使得在复杂度大幅度降低的时候,也能拥有好的分离性能。考虑到未被选择的频点的分离矩阵需要依赖已选频点的相关信息,本论文提出采用聚类算法进一步去除分离性能不理想的频点,提高估计参数的质量。具体方法为:(1)计算由多标准融合的方法筛选出的频点所对应衰减参数两两之间的距离;(2)依据DBSCAN算法判断各个频点的衰减参数是否为核心点,若该频点上的4个衰减参数只要有一个不是核心点,则该频点被划分为剩余频点集合,采用不迭代的方法求解分离矩阵。对于已选频点,采用与传统BSS算法同样的分离方法,由迭代更新求解出分离阵。对于未被选中的频点,利用估计出的被选中频点的混合信息来完成分离,该方法不需要迭代更新,复杂度低。实验结果表明,所提出的多标准融合的频点选择算法在性能和复杂度方面均优于传统的频域盲分离算法。SDR、SIR和PESQ分别提高10.93dB、7.87dB和0.080的同时提出算法的运行时间仅为传统方式的8%,复杂度为传统FDICA的27.3%。