單音源訊號經頻率區隔及高次混合與ICA處理

於程序（三）單音源輸入訊號經頻率區隔及高次混合後再利用ICA進行聲源訊號 萃取，此階段利用操作程序（二）中麥克風所截取到的混合訊號以及由頻域切割轉換 而來的區段訊號，並依據公式(3-4)與公式(3-5)製作各出10段二次訊號與10段三次訊 號，合計高次混合訊號組 Xhigh 共有25段的訊號來進行獨立成份分析，訊號波形圖如圖 4-14至圖4-18所示。由於訊號數量眾多，加上運算需求量較大，使得程序（三）在進行 獨立成份分析時的運算遠較程序（一）與程序（二）所消耗的時間更多。

藉由獨立成份分析法進行訊號分析後，嘗試由25段原始混合訊號中輸出2~5個分析 後訊號進行觀察，結果顯示獨立成份分析法在程序（三）中僅針對木棒敲擊表面所造 成的大振幅的訊號進行分離，且分離出來的訊號波形已與原訊號的波形大不相同，造 成失真的現象(參考圖4-19至圖4-22)。

圖 4-15 程序（三）： 高次混合訊號組 Xhigh 之訊號波形圖之二

圖 4-17 程序（三）： 高次混合訊號組 Xhigh 之訊號波形圖之四

圖 4-19 程序（三）： ICA所得之訊號波型圖 - 輸出 2 個訊號

圖 4-21 程序（三）： ICA所得之訊號波型圖 - 輸出 4 個訊號

由上述三項實驗操作程序所得之實驗結果顯示，在實驗操作程序（二）中，透過 分析混合訊號的頻率分佈，切割出頻率分佈的區段來進行獨立成份分析，其訊號分離 效果相較於直接將多音源輸入訊號進行獨立成份分析處理，或是將單音源輸入訊號外 加頻率區隔與高次混合後所得來的分析效果，明顯有效許多，且有過濾訊號雜訊的能 力。然而，透過本實驗所採用的分析程序，所得到的最佳分離效果僅對木棒敲擊表面 聲音的分離效果較為顯著，而鐵棒刮擊表面的聲音則仍混雜無法分離。

經研究者推測，其原因可能在於本研究中所採用的兩種不同聲音訊號源：木棒敲 擊表面聲音與鐵棒刮擊表面聲音，在波形圖上已有明顯的差別；若轉為頻率來看，木 棒敲擊表面聲音在頻率分佈上為低頻訊號居多，而鐵棒刮擊表面聲音則略居高頻的範 圍內。兩者在頻率上分佈得明顯差異，或許是造成實驗操作程序（二）所得之木棒敲 擊訊號具顯著分離效果之因素。

在實驗操作程序（一）中利用多音源的輸入來進行分析，其結果卻與預期效果差 異甚大，無法將任何訊號分離出來；依據以盲訊號分離技術的角度來看，利用獨立成 份分析法於盲訊號分離上，其優點在於可以在不知道訊號源數量的情況下而進行分 析，然而本實驗利用多麥克風所收錄的訊號來進行獨立成份分析，其效果與假設不 符，原因可能在於聲音訊號於固體物質中傳導具複雜的特性，而未完善考量聲音訊號 傳導的物理因素使得訊號分離失敗。

在實驗操作程序（三）中所採用的高次混合方法所得結果也與實驗預期結果差異 甚大，令實驗者感到相當訝異。依據文獻探討中所提到之影片字幕萃取實驗(謝珮琳, 民94)所得結果來看，高次混合加強了像素與像素之間的關係性，也造成獨立成份分析 後的顯著分離效果。反觀本次實驗中針對聲音訊號進行高次混合處理，所得到的分離 訊號卻明顯失真且造成無法辨識的結果，其原因則需後續研究進一步探討。