В обработке сигналов используются методы подпространства сигнала . эмпирические линейные методы для уменьшения размерности и уменьшения шума. Эти подходы вызвали значительный интерес и исследования в последнее время в контексте исследований улучшения речи, моделирования речи и классификации речи. Подпространство сигнала также используется в радиопеленгации с использованием МУЗЫКА (алгоритм).
По сути, методы представляют собой применение подхода анализа основных компонентов (PCA) к ансамбли наблюдаемых временных рядов, полученных с помощью выборки, например выборки аудио сигнала. Такие выборки можно рассматривать как векторы в высоком размерном векторном пространстве над действительными числами. PCA используется для идентификации набора ортогональных базисных векторов (базисных сигналов), которые захватывают как можно больше энергии в ансамбле наблюдаемых выборок. Векторное пространство, охватываемое базисными векторами, идентифицированными в результате анализа, тогда является подпространством сигналов. Основное предположение состоит в том, что информация в речевых сигналах почти полностью содержится в небольшом линейном подпространстве общего пространства возможных векторов выборок, тогда как аддитивный шум обычно изотропно распределяется в большем пространстве. (например, когда это белый шум ).
Путем проецирования выборки на подпространство сигнала, то есть сохраняя только тот компонент выборки, который находится в подпространстве сигнала, определяемом линейными комбинациями первых нескольких наиболее возбужденных базисных векторов, и отбрасывая остальную часть выборки, которая находится в остальной части пространства, ортогонального этому подпространству, затем получается определенная степень фильтрации шума.
Подавление шума подпространства сигнала можно сравнить с методами фильтра Винера. Есть два основных отличия:
В простейшем случае методы подпространства сигнала предполагают белый шум, но являются расширением подхода к удалению цветного шума и оценке также сообщалось о расширении речи на основе подпространства для надежного распознавания речи.