盲信号分离的反面不是“非盲信号分离”。问题是，根据您对信号的了解，您将使用不同的算法。

例如，如果您知道有一个低频信号与一个较高频率的信号混合，您可以使用低/高通滤波来获得这两个信号。

您要查找的内容没有真实名称，因为每个案例都不同。通用的方法是或多或少地用您知道的信息过滤信号。但是过滤总是不同的。

盲信号分离的关键是在数学知识不足的情况下分离混合信号。相反，如果您在数学上拥有足够的信息来区分两个或多个信号与给定的混合信号，那么正如数学上预期的那样，您可以使用众所周知的信号处理基本运算（代数、微积分等）完美地分离它们。 )

后一种操作没有为其创造一个特定的名称，因为它的原理直接遵循众所周知的基本信号处理操作。然而，盲源分离对混合的类型提出了一些要求，并对信号的特性施加了一些结构，用于补偿混合分离中所需信息的缺乏。这就是为什么它被赋予一个特定的名称。

源分离可以归因于几个形容词。原因是源的结构，以及它们的混合方式，线性与否，瞬时或卷积等。对于卷积混合，盲目性源于对源和卷积滤波器的知识缺乏或知识水平非常低。一些人使用短视或知情的来源矛来限定人们对来源或过滤系统的了解程度。

你想用谷歌搜索的关键词是“监督源分离”和“半监督分离”。基本上，如果你有一些关于信号的信息，你通常可以利用它来获得比盲源分离更好的性能。

例如，假设您知道录音中的一个信号是小号。您可以在小号声音数据集上训练神经网络。然后将你的录音输入神经网络，让它比盲源分离算法更好地分离出小号。我相信这将是监督源分离的一个例子。