我们将您的信号称为$x_1$和$x_2$。记录的信号是$y$：

其中$n$是样本（时间）索引，$h_1$和$h_2$是从各个扬声器到麦克风的房间脉冲响应。假设您想利用x_1的知识从y中检索x_2。您可以应用回声消除方法来删除y中源自x_1的部分。你得到的是(x_2*h_2)(n)加上由于不完美的回声消除而导致的x_1的一些残余。如果您还想摆脱h_2的影响，则必须诉诸盲反卷积方法，这要困难得多（并且您需要了解或假设有关所需信号的一些事情$x_2$$y$$x_1$$y$$x_1$$(x_2*h_2)(n)$$x_1$$h_2$$x_2$ )。

让我们总结一下你的问题。假设从源 1 到记录信号（DAC、扬声器、房间、麦克风、ADC...）的整个信号传输链的传递函数是（以及），那么你已经完成的信号访问也有：$h_1$$h_2$

• $(h_1 \star x_1)(n) + (h_2 \star x_2)(n)$（结果信号）
• $x_1(n)$（原始信号之一）。

你的问题是你想恢复吗？那么这与这个问题的设置相同，当然也不是源分离的问题——因为其中一个信号是已知的（直到卷积）。您可以获得的估计值，并恢复。如果您可以假设和相似，您可以尝试反转并获得更接近的结果。$x_2$$h_1$$h_2 \star x_2$$h_1$$h_2$$h_2$$x_2$

如果您没有关于和的先验信息，这将是一个真正的 BSS 问题，在这种情况下，这将是棘手的（除非可以对这些声音的产生方式做出一些假设 - 例如其中一个是语音和其他是背景音乐）。$x_1$$x_2$