1、隨著智能手機(jī)的普及，人們對(duì)于語(yǔ)音方面應(yīng)用的需求也越來(lái)越多，如語(yǔ)音識(shí)別、音樂(lè)推薦以及聽音識(shí)曲等。所以，近年來(lái)，對(duì)于音頻信號(hào)的各個(gè)方面的研究也變得更加熱門。其中一個(gè)主要的方面就是混合音頻信號(hào)的盲分離問(wèn)題，它可以應(yīng)用在多個(gè)方面，如語(yǔ)音識(shí)別中的語(yǔ)音增強(qiáng)、音樂(lè)的分類聚類、語(yǔ)音或說(shuō)話人的識(shí)別以及自動(dòng)譜曲等。
　　本文主要研究線性瞬時(shí)混合的欠定多通道音樂(lè)信號(hào)的盲分離問(wèn)題，提出了基于低秩逼近算法的非負(fù)張量分解算法。首先簡(jiǎn)要介紹了非負(fù)矩陣分解(No

2、nnegative MatrixFactorization，NMF)的基本原理。然后將低秩逼近算法應(yīng)用到NMF算法中，推導(dǎo)出其迭代更新公式，有效的提高了NMF算法的運(yùn)算速度。在此基礎(chǔ)上闡述了非負(fù)張量分解(Nonnegative Tensor Factorization，NTF)的基本原理，介紹兩種非負(fù)張量分解形式:非負(fù)標(biāo)準(zhǔn)分解方法和非負(fù)Tucker分解。并將低秩逼近算法推廣應(yīng)用到NTF算法，推導(dǎo)出其迭代更新公式，提出了基于低秩逼近算法的