本案例中使用Matlab軟件對FastICA算法的聲音分離性能進行了仿真，分別對簡單波形的混合信號、不同類型聲音的混合信號、同一類型的混合信號這三種情況進行仿真，主要從分離信號的波形形狀、串音誤差兩方面對分離性能進行衡量，仿真結果顯示快速ICA算法分離效果還不錯，且算法收斂速度較好。

簡單波形分離仿真

首先是對簡單波形的混合信號進行分離，這里混合信號采用的是方波、三角波和正弦波，這三種波形的頻率分別為300hz、400hz、500hz，信號的采樣頻率為44.1khz，輸入原信號序列長度為1000，混合矩陣利用Matlab隨機生成，以下是輸入的原信號，混合后的信號和分離后信號的波形圖。

圖 5 簡單波形的混合信號的分離仿真圖

?從波形上可以看出，除了幅度和正負由一定的變化外，快速ICA算法對簡單波形的混合信號的分離效果還是可以接受的。

對不同類型的聲音的分離仿真

這里我們對了人聲、音樂聲和電影特效聲音這三種不同類型的聲音的混合信號進行分離，輸入信號長度為10秒，采用頻率為44.1k。其線性瞬時混合模型信道的隨機混合矩陣A為

以下是原信號，混合后信號和分離信號的波形圖

利用快速ICA算法對這三種不同類型的聲音進行分離時，計算所有分量的分離向量的迭代次數為39次，相應的算法分離的串音誤差為-23dB。

同類型聲音的仿真

這里選取的從同一部影視作品中截取的兩段不同人物的語音（無背景音樂部分）進行混合和分離，輸出信號長度為4.5秒，采樣頻率同樣為44.1Khz。其原信號、混合信號和分離后信號的波形如圖

此時，快速ICA算法計算所得的計算所有分量的分離向量的迭代次數為12次，相應的算法分離的串音誤差為-47dB。

圖 7同類型的聲音的分離仿真信號波形圖