一种信号处理方法，所述方法包含： 基于多个M通道训练信号，训练源分离滤波器结构的多个系数值以获得收敛式源分离滤波器结构，其中M为大于一的整数；以及决定所述收敛式源分离滤波器结构是否充分地将所述多个M通道训练信号中的每一者分离为至少信息输出信号及干扰输出信号，其中所述多个M通道训练信号中的至少一者是基于由M个变换器响应于至少一个信息源及至少一个干扰源而产生的信号，同时所述变换器及源经布置成第一空间配置，且其中所述多个M通道训练信号中的另一者是基于由M个变换器响应于至少一个信息源及至少一个干扰源而产生的信号，同时所述变换器及源经布置成不同于所述第一空间配置的第二空间配置。

你好，我是经验丰富的专利代理师。针对您提出的无效分析请求，我已仔细研读了目标专利（CN101622669B）的权利要求1及其说明书，并对您提供的七份对比文件（D1-D7）进行了深入的原文比对和侵权/无效可能性分析。

以下是我的详细分析报告。

---

### 第一部分：目标专利权利要求1解释

紧密结合目标专利说明书（下文简称“说明书”），对权利要求1的技术特征进行原意解释：

**权利要求1：**一种信号处理方法，所述方法包含：

* **技术特征A：**基于多个M通道训练信号，训练源分离滤波器结构的多个系数值以获得收敛式源分离滤波器结构，其中M为大于一的整数；

* *代理师解读：*此特征限定了该方法包含一个“训练阶段”。该阶段利用已知的“训练信号”（由至少2个通道组成）来调整滤波器结构的系数，目的是让滤波器“收敛”，即系数趋于稳定。这不同于盲源分离（BSS）中完全实时的自适应调整，它暗示了一个明确的初始化或离线学习过程。

* **技术特征B：**决定所述收敛式源分离滤波器结构是否充分地将所述多个M通道训练信号中的每一者分离为至少信息输出信号及干扰输出信号，

* *代理师解读：*此特征限定了一个“验证/决策步骤”。在训练完成后，需要判断得到的收敛滤波器是否“足够好”（充分分离）。说明书[0088]段提到了这种决定的具体方式，例如使用基于使已知信号与滤波结果相关的量度，或者计算统计性质（方差、高斯性、峰度、越零率、时间稀疏性等），并与阈值比较。关键在于，这是一个针对“训练信号”分离结果的评估。

* **技术特征C：**其中所述多个M通道训练信号中的至少一者是基于由M个变换器响应于至少一个信息源及至少一个干扰源而产生的信号，

* *代理师解读：*此特征限定了训练信号的来源。训练信号不是纯净信号，而是变换器（如麦克风）在同时存在信息源（所需信号，如话音）和干扰源（噪声）的环境中采集到的混合信号。

* **技术特征D：**同时所述变换器及源经布置成第一空间配置，且其中所述多个M通道训练信号中的另一者是基于由M个变换器响应于至少一个信息源及至少一个干扰源而产生的信号，

* *代理师解读：*此特征限定了技术特征C中的一个具体训练信号是在“第一空间配置”下采集的。

* **技术特征E：**同时所述变换器及源经布置成不同于所述第一空间配置的第二空间配置。

* *代理师解读：*技术特征D和E共同构成了本发明的核心发明点之一。它限定了训练滤波器时使用的并非单一环境下的信号，而是**至少两个具有不同相对空间位置/定向**的训练信号（第一和第二空间配置）。说明书附图4A/4B（免持模式下的不同定向）、5A/5B（正常操作模式下的不同定向）、图6（头戴式耳机的安装可变性）详细描述了这种“不同空间配置”的含义。**其技术目的是为了获得一个对变换器布置变化稳固（稳健）的收敛滤波器解答（说明书[0064]）。**

**总结：**权利要求1保护的是一种通过在**至少两种不同空间配置**下采集的混合训练信号来训练滤波器系数，并**验证滤波器对所有训练信号的分离充分性**，从而获得稳健的源分离滤波器的方法。

---

### 第二部分：对比文件特征比对表格

以下表格列出了各对比文件（D1-D7）是否公开了权利要求1的技术特征。

符号说明：

* ✓：毫无异议公开或实质公开（在表格中会注明实质公开的情形）

* “毫无异议公开”指原文文字明确对应。

* “实质公开”指原文虽文字不同，但描述的技术内容与权利要求特征等同，或属于所属技术领域的惯用技术手段。

* ✕：未公开。

**注意：**D2, D5, D6, D7均为盲源分离（BSS）或独立分量分析（ICA）的通用算法及改进，主要关注非平稳源、不同的概率密度函数模型等。它们通常是在线、实时的自适应过程，并不包含本发明中明确定义的“利用特定空间配置的训练信号进行初始化训练”和“最终充分性验证”步骤。为了篇幅清晰，表格中主要详细比对与方法流程和训练数据采集相关的对比文件D1, D3, D4。

---

### 第三部分：对比文件原文详细分析

结合表格比对结果，给出各对比文件原文的详细出处及分析：

#### 1.对比文件1 (D1): US5383164A

**公开日期：**1995-01-17

**名称：**Adaptive system for broadband multisignal discrimination in a channel with reverberation.

**特征A/C (实质公开/毫无异议公开)：**

* **出处：**DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS, DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS, \[\[\[EQU1\]\]\], \[\[EQU3\]\], \[\[EQU4\]\].

* **分析：**D1公开了一种利用Herault-Jutten (HJ)网络（一种盲源分离神经网络）来恢复混合信号的方法。原文描述了：\[\[EQU1\]\] $E_i(t) = [A_{ij}]S_j(t)$ (公开了变换器产生响应于源的混合信号Ei)。\[\[EQU3\]\] $Y_j(t) = \sum C_{ji} E_i(t)$ (公开了通过滤波器结构C获得输出估计Y)。\[\[EQU4\]\] $\frac{dc_{ji}}{dt} = \mu f(Y_j(t)) g(Y_i(t))$ (公开了基于适应性规则更新/训练系数值C)。

* **区别：**但是，D1明确指出其不需要专门的“训练信号”：*"It is a further advantage of the system of this invention that no training signals are needed for equalization because the HJ network is self-training."* (D1 \[SUMMARY OF THE INVENTION\] 段落)。D1通过实时的自适应过程使系数收敛，而非基于本发明中定义的“多个明确的空间配置训练信号”进行初始化训练。

**特征B/D/E (✕):**

* **分析：**D1未公开“决定滤波器结构是否‘充分地’将‘每一者’训练信号分离”的决策步骤。D1致力于实时的盲分离过程，不包含本发明的离线训练-充分性验证机制。同时，D1也完全未提及利用“第一空间配置”和“第二不同空间配置”来采集特定的“训练信号”用于滤波器的初始化训练。

#### 2.对比文件3 (D3): JP2000305594A

**公开日期：**2000-11-02

**名称：**Microphone system. (マイクロホンシステム)

**特征B (毫无异议公开决策/验证步骤)：**

* **出处：**\[発明の詳細な説明\] 实施例，\[0011\], \[0016\], \[0017\], 以及圖2, 圖3。

* **分析：**D3公开了一种具有决策逻辑的自适应滤波器系统，旨在解决背景噪声源传搬特性CN1, CN2不固定的问题（\[0010\]）。其特征在于在非音声认识时进行决策：

* \[0011\] 段: *(1) 非音声認識時に、...ノイズリダクション量を求め、...ノイズリダクション量が大きい方のマイクロホン出力選択状態及びその時のフィルタ係数を保存し...* (通过计算噪声リダクション量并与交换目标/参照信号后的结果比对，保存NR量大的一种状态和系数值)。

* 图2 (目標信号、参照信号決定処理...フロー): ステップ104, 108计算ノイズリダクション量NR1, NR2。ステップ109比对大小(NR1>NR2)。ステップ110, 111保存结果。

* 此步骤对应于本发明的“决定充分地将训练信号分离”的决策。D3利用NR量大作为决策标准，这符合目标专利说明书\[0088\]描述的可通过计算统计性质并与阈值比较，或使未知信号与滤波结果相关的量度来决定充分分离的思想。D3实质公开了特征B中针对输入（噪声训练信号）的分离结果进行决策验证的步骤。

**特征D/E (✕):**

* **分析：**然而，D3不包含特征D和E。虽然D3提到了“交换输入端”：\[0011\]: *...第１のマイクロホンの出力を目標信号、第２のマイクロホンの出力を参照信号...ついで、第２のマイクロホンの出力を目標信号、第１のマイクロホンの出力を参照信号...*，但这仅仅是滤波器矩阵输入端的交换（逻辑交换），**变换器（麦克风1和2）相对于信息源（人嘴）和干扰源（汽车噪声）的物理空间布置并没有改变**（隐含为固定配置）。目标专利核心发明点在于利用说明书\[0068\]所述的变换器或源具有“与其在其他情形中的位置或定向不同的位置或定向”采集的训练信号。D3未公开利用**两个 physical distinctconfigs**采集特定“训练信号”来初始化滤波器系数以解决稳健性问题的技术特征。

#### 3.对比文件4 (D4): US20010037195A1

**公开日期：**2001-11-01

**名称：**Sound source separation using convolutional mixing and a priori sound source knowledge.

**特征A/D (实质公开)：**

* **出处：**DETAILED DESCRIPTION OF THE INVENTION, \[0017\], \[0023\], \[0024\] 以及 FIG. 6。

* **分析：**D4描述了针对卷积混合环境下的盲源分离（BSS），致力于解决 per-frequency component 基础上的 permutation 限制问题（\[0018\]）。

* \[0017\] 段指出了卷积混合模型，混合滤波器 $g_{ij}[n]$ 考虑了麦克风位置、房间音响效果等。

* \[0024\] 段指出了重建滤波器（重构/分离滤波器）$h_{ij}[n]$ 被假设为FIR滤波器，目标是使其 z-变换是混合滤波器的逆（\[0023\], \[0024\]）。

* D4隐含公开了卷积混合滤波器本身就代表一种空间相对配置关系。特征A中训练系数值以获得收敛结构的技术内容是BSS领域的惯用手段。

**特征B/D/E (实质未公开用于训练充分性决策)：**

* **区别点分析：**虽然D4使用了先验知识（人声模型：如语音识别词典或VQ codebook of LPC vectors），并在EM迭代过程中计算误差（\[0078\]\[0079\]），但这种误差计算是自适应算法内部用于更新系数值（\[0082\]）的步骤，不同于本发明特征B所述在获得收敛结构后，对“每一者”已采集训练信号进行最终“分离充分性”的验证和决策。同时，D4更未明确公开其重构滤波器是通过利用**由变换器和源在第一特定空间配置、以及在不同于第一空间配置的第二不同空间配置下布置产生**的“多个特定训练信号”进行初始化训练而获得的。D4仍属于基于先验知识的BSS，未教导目标专利中明确的离线“训练-充分性决策步骤”流程，也没有教导利用两种 distinct dynamic space configs 来改进滤波器的稳健性。

---

### 第四部分：最接近对比文件分析

从整体解决的技术问题以及技术效果角度分析哪个对比文件在创造性分析过程中适合做最接近的对比文件。

我认为：**对比文件D1（毫无异议公开BSS用于卷积混合）和D3（毫无异议公开验证决策步骤逻辑）均具备作为最接近对比文件的潜力，可以作为两个不同的出发点。**

**出发点一：以D1为出发点。**

* **理由：**D1处理的领域完全对应说明书\[0009\]提到的现实俘获环境常常包括时间延迟、多路径、反射、相位差、回波及/或混响等效应，产生源信号的**卷积混合物**。D1利用神经网络（HJ网络，与目标专利反馈滤波器结构类似）进行盲分离（技术特征C实质公开）。

* **技术问题和效果比对：**D1虽然可以使滤波器在实时过程中收敛，但没有教导其系数值是通过本发明特征D、E限定的在**两种不同特定物理空间配置**下进行初始化训练获得的，也没有特征B的分离充分性检测步骤。因此，D1无法解决由于变换器配置变化（说明书\[0064\]\[0079\]所述头戴式耳麦安装角度变化，写入器具拖动表面不同）引起的系数值不稳健的技术问题。技术效果上，无法获得一个对各种情形都适应的“单一稳固解答”。

**出发点二：以D3为出发点。**

* **理由：**D3也公开了一种信号处理方法，并针对噪声源 CN1, CN2 不固定的问题提供了解答。最关键的是，D3的技术特征实质公开了权利要求1中被认为是相对于纯粹ICA稳健性的关键区别特征——**特征B的验证和决策逻辑**。D3利用噪声リダクション量来进行决策，隐含解决其对噪声的充分分离。

* **技术问题和效果比对：**D3解决的是背景噪声场变化的问题，不直接致力于说明书附图所示的变换器（如人嘴和麦克风、耳机和耳朵角度）相对空间物理配置发生变化的穩健性（robustness）问题。D3技术核心在于通过交换输入端和决策来动态地选择较好的输入（ステップ109），而非致力于如本发明特征D和E所述通过利用**两种不同的 physic distinct configs** 采集训练数据来获得一个**单一稳健的解答**。D3教导了对训练充分性进行验证判断的技术手段（这可能是技术特征B实质公开的基础），但未教导本发明的具体训练数据采集机制及其解决的稳健性问题。

---

### 第五部分：无效请求中最薄弱的技术特征

基于代理师经验，综合考量权利要求1、说明书的发明目的以及各对比文件的证据优势，针对本信号处理方法权利要求：

我认为，若提出无效请求，目标专利权利要求1最薄弱的技术特征在于：**技术特征B（即，验证/决策滤波器是否对于所有训练信号都“充分地”进行了分离的步骤）。**

**分析理由如下：**

1. **证据优势：对比文件D3实质上公开了利用基于统计性质（ノイズリダクション量）来验证其对输入（噪声训练信号）的分离效果并作出保存（决策）的逻辑步驟（D3 \[0011\], 圖2ステツプNR1>NR2）。这极佳地对应了目标专利说明书\[0088\]描述的通过将滤波结果与阈值或已知词或片段系列相关，来决定是否充分分离的思想。所属领域技术人员基于D3的启示，极易将此充分性验证机制移植到任何自适应信号处理系统之前作为稳固滤波器的初始手段。

2. 尽管对比文件未直接公开特征D和E中利用两种 distinct physics configs采集用于初始化“训练信号”的方法，但：

* 盲分离BSS本来就可以处理不同的空间分布源。

* 目标专利中对“第一”和“第二配置”的限定在方法流程上虽然关键，但其作为初始化训练的数据采集过程，可能被所属领域技术人员认为是非方法核心功能的非技术性限定，或者是实现滤波器稳健性的、解决特定物理变化问题的常用工程手段（如头戴式麦克风不同角度的工程测试采样）。

3. **创造性分析偏向：最难以 motivate 的步骤往往是具有复杂决策逻辑的步骤，而D3恰恰提供了这种逻辑结构。D3教导了基于分离性能测量来进行保存系数值的决策，这极易引导技术人员将类似的充分性检查机制作为一个验证阶段，应用于任何滤波器初始化过程，只要将测试数据替换为目标专利的训练数据采样即可。

**结论：针对特征B的充分性验证决策逻辑，在对比文件D3中存在实质对应的毫无异议公开内容，这降低了特征B乃至整个方法的创造性高度，使其成为无效请求中最易受到挑战的技术薄弱点。**

同行您好。针对该目标专利（CN101622669B）权利要求1的无效分析，我已仔细审查了您提供的说明书背景及9篇对比文件原文。为了确保引用的严谨性和无效证据链的准确性，以下分析将紧密结合各对比文件的具体段落进行技术特征的比对与拆解。

### 一、 目标专利权利要求1及说明书技术方案解析

权利要求1保护的是一种**信号处理（源分离滤波器训练）方法**。结合目标专利说明书（如段落 [0068]、[0069] 及 [0074]、[0075]），该方案的核心解决思路是：为了克服真实环境中由于空间特征变化（如手机的“免提模式”与“贴耳模式”、头戴式耳机佩戴角度的偏移等）导致的滤波器分离性能下降，采用**包含至少两种不同空间配置（First and Second Spatial Configurations）的M通道训练信号**来训练并固化（收敛）滤波器系数。

其核心技术逻辑在于：**利用空间多样性的训练样本，提升收敛后静态滤波器的鲁棒性。**

---

### 二、 最接近的对比文件（Closest Prior Art）分析

从“整体解决的技术问题”和“技术效果”来看，**D4（US6594367B1）** 和 **D7（US2005195988A1）** 最适合作为最接近的对比文件。在实务中，我建议将 **D4（US6594367B1）** 作为主证。

* **选择 D4（US6594367B1）的理由：**

D4 的核心目的正是通过在受控环境中（如消声室）利用自适应系统“预先学习”并“冻结（固化）”滤波器系数，以生成固定的射束形成器（Fixed beamformer）。D4 在段落 [0145]-[0149] 中详细公开了通过在阵列不同角度（-70°, -40°, 40°, 70°）放置扬声器（即不同的空间配置），播放模拟噪声来使系统收敛。这与权利要求1中利用不同空间配置的训练信号来获得收敛式滤波器结构的目的和技术手段高度一致。

* **选择 D7（US2005195988A1）作为备选的理由：**

D7 致力于为任意麦克风阵列自动设计最佳的波束集。其在段落 [0063] 和 [0097] 中公开了在工作空间中分布多个“焦点（focus points）”（等同于不同的空间配置），并针对这些不同位置进行误差最小化训练，从而生成固定的权重矩阵。

---

### 三、 权利要求1与 D4（US6594367B1）的特征比对

以下是权利要求1与最接近的对比文件 D4 的详细出处映射表：

---

### 四、 无效请求中最薄弱的技术特征分析

若启动无效宣告程序，权利要求1中**最薄弱（最易被攻破或绕过）的技术特征为“特征B”与“特征D、E的组合”**。

1. **关于特征B的功能性限定：**

“决定所述收敛式源分离滤波器结构是否充分地将...分离...” 属于典型的结果导向/功能性限定。在通信和信号处理领域，任何自适应算法（如 LMS、ICA、盲源分离）其迭代停止的条件（收敛阈值或成本函数的最小值）在本质上就是“决定是否充分分离”。我们完全可以主张，只要对比文件公开了自适应滤波器的收敛过程（如 D4 的 *converge to optimal solution*），就等同于隐含公开了特征B。

2. **关于特征D与E中“不同空间配置”的宽泛定义：**

目标专利在撰写时试图保护“针对不同物理场景（如手持/免提）融合训练数据”这一概念。但其权利要求语言极度宽泛，“不同的空间配置”仅仅意味着位置或角度的区别。这使得我们在引用 D4（改变噪声扬声器角度）或 D7（针对空间中不同 focus points 优化矩阵）时，可以直接利用现有技术中的“多角度覆盖/波束扫描”特征来破坏其新颖性。即便专利权人争辩 D4 是“同时”放置扬声器而非“两套独立的场景”，我们也可以结合本领域常规的“多场景穷举训练”常识，轻松通过创造性（Inventive Step）将其击破。

在制定无效宣告请求书时，您倾向于将火力集中在利用 D4（US6594367B1）直接攻击其新颖性，还是准备结合 D4 和 D7（US2005195988A1）等文件的本领域公知常识，从创造性的角度构建更为稳妥的无效逻辑链条？

作为一名经验丰富的专利代理师，我将针对目标专利【CN101622669B 用于信号分离的系统、方法及设备】的权利要求1，紧密结合其说明书及附图，并对比提供的9份对比文件（D1-D9）进行深度法律与技术分析。

以下是针对本案的无效宣告可行性及创造性分析报告：

---

## 一、 目标专利权利要求1的法律与技术技术合理解释

权利要求1保护一种基于空间配置多样性训练源分离滤波器的信号处理方法。为了准确划定其保护范围，需结合目标专利说明书【具体实施方式】及附图进行如下深层解释：

1. **“M通道训练信号”（技术特征A、C）：**

* **说明书对应：** 说明书\[0057\]-\[0058\]指出，通道数 $M$ 大于1，训练信号来源于至少 $M$ 个变换器（如麦克风阵列）。这些信号通常被取样并进行预处理（如频谱整形、回波消除等）。

* **技术实质：** 指含有信息源与干扰源混合的多路数字化输入信号。

2. **“训练……以获得收敛式源分离滤波器结构”（技术特征A）：**

* **说明书对应：** 说明书\[0056\]、\[0094\]-\[0097\]。训练是通过自适应算法（如ICA、IVA、最大信息法infomax、最大似然度等）迭代更新滤波器系数，直至滤波器系数不再改变或改变量小于阈值。

3. **“决定……是否充分地将……分离为至少信息输出信号及干扰输出信号”（技术特征B）：**

* **说明书对应：** 说明书\[0087\]-\[0090\]明确指出，该“决定”操作（任务T120）可由**自动或人类监督**执行。评估量度包括：使已知信号与滤波结果进行相关性分析并与阈值对比，或者计算滤波输出的统计性质（如方差、高斯性、峰度、越零率、时间稀疏性）。

* **技术实质：** 这是一个**收敛性验证或质量控制关卡**，确保滤波器没有陷入局部最小值，若失败则调整参数（如学习速率）重新训练。

4. **“第一空间配置”与“不同于所述第一空间配置的第二空间配置”（技术特征D、E）：**

* **说明书对应：** 说明书\[0059\]-\[0060\]以及附图图3A-3B、图4A-4B、图5A-5B、图6等。空间配置的不同包括：源与变换器之间的相对位置、手持机或头戴式耳机的定向/安装角度变化（如用户配戴可变性）、变换器轴线的相对角度等。

* **技术实质：** 显式引入**多场景/多空间位置联合训练**。传统的自适应滤波仅针对单一空间混合矩阵进行收敛；本专利要求滤波器的系数值是联合两个或两个以上不同空间几何位置（如免持式操作的两个定向，或头戴式耳机在耳朵上的不同挂靠角度）的训练信号共同训练出来的，以使最终的滤波器对空间可变性具有**稳固性（Robustness，鲁棒性）**。

---

## 二、 对比文件技术特征比对分析

为了清晰展现各对比文件（D1-D9）对权利要求1中技术特征A至E的公开情况，以下基于对比文件原文给出详细的出处及特征比对。

### 1. 对比文件指代及公开号对应表

* **D1：** US4649505A (Two-input crosstalk-resistant adaptive noise canceller)

* **D2：** US5675659A (Methods and apparatus for blind separation of delayed and filtered sources)

* **D3：** US5999567A (Method for recovering a source signal from a composite signal and apparatus therefor)

* **D4：** EP1006652A2 (An estimator of independent sources from degenerate mixtures)

* **D5：** JP2001022380A (Noise_audio sound canceler)

* **D6/D7：** CA2387631A1 / WO2001027874A1 (UNSUPERVISED ADAPTATION AND CLASSIFICATION...) ※ *注：D6与D7为同族专利，实质内容一致，下文合并为D7进行分析。*

* **D8：** US20010038699A1 (Automatic directional processing control for multi-microphone system)

* **D9：** US20020110256A1 (Vehicle accessory microphone)

---

### 2. 技术特征比对表及对比文件原文出处

下方表格详细列出了权利要求1的各个技术特征是否被各对比文件公开，并引证了对比文件的原文及详细出处。

---

## 三、 最接近对比文件的选择与分析

在对本案进行创造性评述时，**D7（WO2001027874A1 / 同族CA2387631A1）** 是最适合作为**唯一或最接近的对比文件（D1作辅助）**。

### 1. 为什么D7是最接近的对比文件？

* **整体解决的技术问题相同：** 目标专利要解决的核心问题是传统盲源分离（BSS/ICA）在现实俘获环境中，由于源的移动（Non-stationary）、空间配置改变导致混合参数变化，从而引起系统性能严重下降或无法收敛的问题（参见目标专利背景技术\[0009\]）。而D7开篇即明确指出：*"conventional ICA requires the sources to be independent (e.g. stationary)... If one of the sources has moved... conventional ICA will not operate properly."* D7专门针对**“信号源在采集过程中发生移动或配置改变”**这一技术问题进行改良。

* **技术手段最相似（混合模型分类）：** 目标专利的技术手段是：采集第一空间配置的信号和第二空间配置的信号，联合输入到任务T110中训练同一套源分离滤波器系数。而D7的技术手段正是采用**广义高斯混合模型（Generalized Gaussian Mixture Model）**，将观测到的数据（由于源的移动导致混合矩阵不同）分为两或多个**互斥的类别（Mutually exclusive classes）**，每个类别 $k$ 对应一套各自的混合矩阵 $A_k$ 和偏置向量 $b_k$，以此显式地允许信号源在训练数据集中是**非平稳的（Non-stationary）**、允许其移动。

### 2. 其他对比文件的缺陷（为什么不适合做最接近对比文件）

* **D2和D3：** 虽然属于典型的盲源分离（BSS）和盲反卷积（Blind Deconvolution），但其数学假设均建立在**“环境混合矩阵/延迟是固定平稳的”**基础之上。它们无法解决、也没有公开“利用不同空间配置的训练信号共同训练滤波器”这一特征。

* **D5：** 虽然提到了根据“乘员着座状态”及“车速”改变滤波器系数，但其手段是**“预先测好不同状态下的固定系数，使用时根据传感器直接查表切换（看数据库）”**（参见D5\[0008\]-\[0011\]），这与权利要求1通过将不同空间配置的信号输入算法进行**“自适应联合训练以获得收敛结构”**具有本质的路线区别。

---

## 四、 权利要求1的創造性缺陷与最薄弱特征分析（无效宣告突破口）

若要对本目标专利提出无效宣告请求，权利要求1并非不可攻破。其**最薄弱的技术特征是特征B和特征D、E的组合**。

### 1. 关键突破口：D7已实质公开了“不同空间配置的联合训练”

目标专利的核心卖点在于“用不同空间配置的训练信号（特征D、E）来训练滤波器（特征A）”。但是，这一技术方案已被D7实质公开。

* **D7原文引证：** *“The algorithm described herein provides a way to classify the data vectors into one of multiple classes, thereby eliminating the assumption of source independence throughout the data set, and allowing for movements of sources and other dependencies across data vectors.”*

* **技术等同性：** D7中所述的“信号源的移动（Movements of sources）”在声学或信号处理中，直接等同于“变换器与源布置成不同的空间配置”。D7通过在一个训练循环中处理包含源移动的数据集，来实现多类别的联合自适应。因此，特征D和E在BSS/ICA领域已被D7彻底破坏了新颖性或赋予了极高的显而易见性。

### 2. 权利要求1最薄弱的技术特征：技术特征B（充分性决定）

技术特征B要求“*决定所述收敛式源分离滤波器结构是否充分地将所述多个M通道训练信号中的每一者分离……*”。

* **为什么最薄弱？**

因为在自适应滤波和神经网络训练中，“判定是否收敛”或“判定分离是否充分”是算法能够终止的**固有边界条件**。

* **对比文件D4的有力结合：**

D4（EP1006652A2）在其离线/在线识别算法步骤4中明确写道：**"Choose the partition that gives the smallest criterion"**。在自适应迭代（步骤3.5）中，通过计算梯度 $J_{old}$ 与 $J_{new}$ 的相对变化率是否小于 $\varepsilon$ 来决定是否充分收敛。

* **对比文件D7的有力结合：**

D7在主循环收敛判定中也公开了：在观察到学习率收敛（*observing convergence of said learning rate*）后，才将数据向量分配给各个类别。

### 3. 无效宣告的整体三步法组合策略

基于上述分析，建议采取以下策略组合，可成功打掉权利要求1的创造性：

1. **主方案（D7 + D4）：**

* 以 **D7** 作为最接近的对比文件，其公开了特征A、C、D、E。D7中“允许数据集中源的移动并分类为互斥类别”的技术手段，已经将“由于空间配置改变而产生的多路信号进行联合训练”实质公开。

* 目标专利与D7相比，区别仅在于特征B（对每一训练信号判定分离充分性）。

* 引入 **D4** 作为辅助对比文件。D4明确公开了在处理多源混合（如两路声音和）时，计算每一种多项式划分的判变标准（Criterion），并判定其是否满足终止条件 $\varepsilon$，最终选择 Criterion 最小的作为输出。

* **结论：** 将D4中常规的自适应收敛判定/选择准则，应用到D7的多类别移动源自适应 ICA 算法中，以解决如何自动化评估滤波器各通道分离质量的问题，对于本领域技术人员而言是**显而易见的**，权利要求1不具备创造性。

2. **辅助方案（D1的引入）：**

* 若专利权人辩称特征B中“判定分离成信息信号和干扰信号”具有特殊性。则可利用 **D1（US4649505A）** 进行反驳。D1详细公开了双路自适应串扰消除系统，其通过第二自适应滤波器专门估计串扰（即干扰源），并从主通道减去，从而获得纯净的期望语音（信息信号）。自适应算法本身就是为了将信息与干扰分离开。

### 代理师总结：

目标专利权利要求1看似通过“第一、第二空间配置”包装了一个极具实用价值的车载/头戴设备训练方法，但其底层数学逻辑（高斯混合模型/多空间联合自适应）已被 **D7 (WO2001027874A1)** 拦截，而其算法终止的控制步骤（特征B）属于 **D4 (EP1006652A2)** 等盲源分离文件的常规技术手段。**通过 D7 + D4 的结合，无效掉权利要求1的成功率极高。**

作為一名經驗豐富的專利代理師，我將嚴格依據專利法及審查指南的相關規定，緊密結合目標專利（CN101622669B）的說明書對權利要求1進行全面解析，並對比分析D1至D7七份對比文件，為您評估該權利要求的創造性及無效宣告的成功幾率。

---

### 一、 權利要求1的技术特徵分解與說明書合理解釋

根據目標專利說明書的整體發明構思，權利要求1實質上保護一種**基於多空間配置下的多通道訓練信號進行離線/在線訓練與充分性驗證的信號分離方法**。我們將其拆解為以下5個獨立的技術特徵（A至E）：

* **技術特徵A**：所述方法包含：基於多個M通道訓練信號，訓練源分離濾波器結構的多個系數值以獲得收斂式源分離濾波器結構，其中M為大於一的整數。

* *說明書對應解釋*：對應說明書【0010】及【0055】。任務T110基於自適應算法（如BSS、ICA、IVA）更新和訓練濾波器系數，直至系數不再改變或變化小於閾值時達到“收斂”。M表示變換器（如麥克風）的通道數。

* **技術特徵B**：決定所述收斂式源分離濾波器結構是否充分地將所述多個M通道訓練信號中的每一者分離為至少信息輸出信號及干擾輸出信號。

* *說明書對應解釋*：對應說明書【0055】、【0088】及【0089】。這是一個**質量判定/驗證技術特徵**。說明書明確指出可以通過“已知信號與濾波結果的相關性量度與閾值關係”或計算“方差、高斯性、峰度等統計性質”來判斷是否實現“充分分離”。如果判定失敗，則需調整參數重新訓練。

* **技術特徵C**：其中所述多個M通道訓練信號中的至少一者是基於由M個變換器響應於至少一個信息源及至少一個干擾源而產生的信號。

* *說明書對應解釋*：對應說明書【0057】。M通道信號是真實或模擬環境中多個源（如語音作為信息源，擴音器擴放的環境噪聲作為干擾源）混合後被變換器（如麥克風陣列）接收的信號。

* **技術特徵D**：同時所述變換器及源經布置成第一空間配置。

* *說明書對應解釋*：對應說明書【0059】及【0068】。指信息源、干擾源與變換器（麥克風）之間處於第一種相對位置或定向（例如圖4A中手持設備相對於用戶嘴巴的第一種定向）。

* **技術特徵E**：且其中所述多個M通道訓練信號中的另一者是基於由M個變換器響應於至少一個信息源及至少一個干擾源而產生的信號，同時所述變換器及源經布置成不同於所述第一空間配置的第二空間配置。

* *說明書對應解釋*：對應說明書【0059】及【0068】。指在另一組訓練數據中，源與變換器的位置或定向發生了改變（例如圖4B中的第二種定向），通過引入空間多樣性，使最終收斂的濾波器對設備運動具有穩健性（Robustness）。

---

### 二、 對比文件原文檢索與技術特徵比對

以下對7份對比文件（附帶完整公開號）進行篩選與特徵比對。

#### 1. 各對比文件公開號及實質公開內容分析

* **D1 (US20060032357A1)**：涉及使用揚聲器產生的脈衝響應在混響室內對麥克風的輸出功率進行**增益校準**。未公開任何基於多空間配置訓練源分離濾波器及判定充分分離的技術特徵（未公開特徵A、B、D、E）。

* **D2 (US20060053002A1)**：公開了一種在穩定性約束下使用獨立成分分析（ICA）進行語音處理的系統和方法。其原文第\[0010\]段和\[0042\]段（Eq.1-6）公開了基於M通道輸入信號（X1, X2）訓練反向混合矩陣或交叉濾波器（W12, W21）以獲得分離輸出。這**毫無異議地公開了特徵A和特徵C**。然而，D2著重於實時自適應調整和穩定性控制（如輸入縮放），**並未公開離線利用多個不同空間配置（第一、第二空間配置）的訓練信號共同參與濾波器訓練並逐一決定是否“充分分離”的校驗機制**（未公開特徵B、D、E）。

* **D3 (CA2574793A1) / D7 (US2008201138A1)**：這兩份文件內容基本相同，公開了一種在噪聲環境中分離語音信號的頭戴式耳機。其原文第\[0048\]/\[0049\]段提到了考慮到揚聲器運動的穩健性，選擇一種麥克風配置，使其在一系列最可能的設備/說話者嘴部排列中保持相同的輸出順序。這**實質上公開了特徵C，並隱含地考慮到了多種空間配置（特徵D、E的環境背景）**。第\[0098\]段（Eq.1-4）公開了ICA濾波結構的訓練（特徵A）。但其同樣屬於運行時的自適應調整或重置機制（如學習階段與輸出階段的切換），**並未公開特徵B所述的“決定收斂結構是否充分地將每一者分離”的門控/判定邏輯**。

* **D4 (US20060083389A1)**：涉及免提電話的自我校準和**虛擬陣列波束成形（Beamforming）**。並非基於盲源分離（ICA/BSS）的多通道濾波器多空間配置訓練，未公開核心特徵。

* **D5 (US07099821B2)**：公開了多傳感器排列中目標聲學信號的分離，利用ICA處理語音和噪聲。與D2類似，公開了特徵A和C，但未公開基於第一/第二空間配置進行多樣性訓練並進行充分性決定的特徵B、D、E。

* **D6 (US7113604B2)**：涉及在幅度和相位上匹配一對麥克風的響應，屬於硬件或微型濾波器校準，不涉及本案的源分離濾波訓練。

#### 2. 技術特徵比對表格

下表明確標註了各對比文件對權利要求1各技術特徵的公開情況（“√”表示完全公開或毫無異議公開；“—”表示未公開；“X”表示實質上提及或部分隱含）：

---

### 三、 最接近對比文件的選擇與創造性整體分析

#### 1. 誰最適合做“最接近的對比文件”？

在創造性評估中，**D2 (US20060053002A1)** 和 **D3/D7 (CA2574793A1 / US2008201138A1)** 最適合共同作為最接近的對比文件。

* **理由（技術領域與解決的技術問題）**：本發明旨在解決在現實噪聲環境中（如存在時間延遲、混響、設備移動等），傳統線性建模或自適應濾波器容易發散、分離不穩健的問題。D2和D3/D7均屬於**語音信號自適應盲源分離（ICA/BSS）**的技術領域，解決的技術問題完全相同，即“如何在噪聲和混響環境中穩定、高效地分離出清晰的目標語音”。

* **理由（技術效果）**：D2和D3/D7公開了最主要的技術框架，包括使用自適應非線性有界函數更新M通道濾波系數，其技術效果也是提高信噪比、抑制多路干擾。

#### 2. 最接近對比文件未公開特徵的進一步分析

如表格所示，沒有任何一份對比文件公開了**技術特徵B**。

雖然D3/D7在第\[0048\]段提及了需要使耳機濾波器在“一系列最可能的排列（a range of most likely arrangements）”中保持穩健，這在一定程度上產生了引入多空間配置訓練信號（特徵D、E）的技術啟示，但**它們均未公開特徵B所定義的“門控機制”**。

在D2、D3、D5等常規自適應系統中，濾波器是在線連續調適的，系數隨時間不斷滾動更新，或者在飽和時直接“重置（Reset）”。而目標專利權利要求1的本質是：將不同空間配置下的訓練數據級聯或循環輸入，訓練出一個系數後，**必須回過頭來逐一檢驗該系數對“每一者（each）”空間配置信號的分離效果是否都達到了“充分分離”的閾值**。這種“多場景聯合訓練+逐一充分性驗證”的離線/在線質量控制方法，在對比文件中均未被公開。

---

### 四、 無效宣告請求中最薄弱的技術特徵（專利權人的護城河）

如果您打算對該目標專利提出無效宣告請求，本案中**專利權人最牢固、對無效請求人而言最薄弱（最難攻破）的技術特徵是：技術特徵B（決定所述收斂式結構是否充分地將所述多個M通道訓練信號中的每一者分離）**。

* **原因分析**：

1. **常規認知誤區**：常規語音分離自適應算法（如D2）的目標是最大化整體熵或似然度。而本案特徵B強制要求對多個不同空間配置的“每一者”進行充分性判定。這意味著如果濾波器在第一空間配置下效果極好，但在第二空間配置下沒達到閾值，系統就會判定為“不充分”，進而拒絕該組濾波系數。這屬於一種特有的**多約束條件下的質量准入校驗**。

2. **缺乏合導啟示**：雖然無效請求人可以抗辯說“在機器學習或濾波器設計中，用多種場景的數據進行多條件訓練（Multi-condition training）並進行驗證是本領域的公知常識”，但要在專利局覆審和無效審理部成功說服合議組，必須找到一份明確記載了**“在源分離（BSS/ICA）濾波器收斂後，通過統計量度（如峰度、突發性等）去逐一校驗多個空間混合信號的分離充分性，並以此決定是否通過”**的現有技術。在目前D1-D7的證據鏈中，特徵B與特徵D、E相結合所形成的“多空間配置聯合校驗門控”，具備顯著的突出的實質性特點和顯著的進步，極難被單純以“公知常識”或“簡單組合”為由予以無效。

### 代理師建議

若要堅持提起無效宣告，建議**進一步擴大檢索範圍**，暫時跳出純語音耳機的硬件專利，前往**“自適應濾波器離線訓練方法”、“多條件語音數據庫預處理”或“ICA算法收斂性健壯性校驗”**的纯算法/軟件工程領域，尋找有無文獻公開了“將多場景混合信號輸入自適應濾波器，並以每一場景的分離指標均達標作為濾波器系數合格與否的判定依據”這一控制邏輯。僅憑現有的D1-D7，權利要求1的創造性非常穩固。

根据对目标专利（CN101622669B）说明书及各对比文件的深入解析，针对权利要求1的创造性及无效可行性分析如下：

### 一、 权利要求技术特征深度解析

目标专利权利要求1保护一种信号处理方法，通过结合说明书相关记载，其核心特征可解析如下：

* **技术特征A（基于多通道训练信号训练滤波器）**：对应说明书第`[0010]`段及`[0055]`段。其通过多个M通道信号（M为大于1的整数，例如消声室内的多麦克风信号）离线或在线训练源分离滤波器结构（如ICA、IVA等盲源分离结构）的系数值，以获得收敛式的滤波器结构。

* **技术特征B（充分分离的判定）**：对应说明书第`[0111]`段、`[0118]`段。即通过自动或人工监督方式，评估收敛后的滤波器是否能将信息信号（如语音）与干扰信号（如扩散噪声场）充分隔离开，具体度量可基于方差、高斯性、峰度、时间稀疏性或已知射束图案的一致性。

* **技术特征C、D、E（双空间配置训练）**：对应说明书第`[0059]`、`[0060]`、`[0075]`段及图4A至图5B。其限定了训练信号的来源：至少有一组训练信号是在第一空间配置（如手持机的第一定向/免持配置）下俘获，另一组训练信号是在与其不同的第二空间配置（如手持机的第二定向/正常操作配置）下俘获。

---

### 二、 对比文件技术特征比对表格

以下将目标专利的权利要求1拆解为具体技术特征，并与各对比文件原文进行详细比对：

*(注：对比文件5(US20060222184A1)主要公开了GSC架构下的自适应实时波束成形及实时权重Am(n)更新，未涉及离线/多空间配置训练方案；对比文件6/7与对比文件2/3内容基本等同。)*

---

### 三、 最接近对比文件的确定与创造性分析

在创造性分析过程中，**对比文件2 (WO2006012578A2)** 最适合作为本申请的**最接近对比文件**。理由如下：

1. **整体解决的技术问题高度一致**：对比文件2针对便携式无线移动设备（如手机）在实际使用中因用户换手（左/右手持握）或改变位置导致麦克风与嘴部的空间相对位置发生突变（技术问题），提出了如何使信号分离系统快速适应这种空间配置变化的技术方案（参见D2中`[0050]-[0051]`段）。这与目标专利说明书第`[0059]-[0060]`段、`[0075]`段旨在解决因手持机定向变化、空间可变性导致分离性能下降的技术问题完全相同。

2. **技术效果及方案走向高度重合**：对比文件2通过在第一布置（第一空间配置）和第二布置（第二空间配置）下评估通道能量/信噪比，并利用两套配置间已知的对称互补关系来重排或复用滤波器系数，从而达到使滤波器结构在空间配置改变时实现快速收敛和稳定分离的技术效果。

#### 创造性结论：

由于**对比文件2 (WO2006012578A2)** 已经全面公开了权利要求1中的全部技术特征（特征A、B、C、D、E），因此权利要求1所要求保护的技术方案已被对比文件2**实质公开（或完全公开）**，权利要求1不具备《专利法》第22条第3款规定的创造性（甚至直接挑战新颖性）。

---

### 四、 无效请求最薄弱的技术特征判定

若向专利局提出无效宣告请求，该权利要求中**最薄弱的技术特征**（即最容易被攻破、最缺乏创造性高度的特征）是：**技术特征D和技术特征E（即在不同空间配置下获取另一训练信号进行训练/调整）**。

* **原因分析**：在盲语音分离（BSS/ICA）技术领域，利用多通道信号训练滤波器（特征A、C）属于本领域的惯用技术手段。而本专利看似最核心的创新点在于“将滤波器置于不同的空间配置（第一、第二空间配置）下进行鲁棒性考量”。但对比文件2在解决移动终端换手、移动等实际装配场景时，已经极其透彻地提出了在“First arrangement”和“Second arrangement”之间进行系数重排、复用和自适应检测。目标专利仅仅是将这种“在不同空间配置下进行调整”表述为“在不同空间配置下进行训练以获得收敛式滤波器结构”，属于本领域技术人员在对比文件2的基础上，结合常规的离线/在线训练优化手段，无需付出创造性劳动就能想到的变换。

< FollowUp label="需要为您撰写针对该权利要求的正式无效宣告请求书（理由正文部分）吗？" query="请结合上述对比文件2（WO2006012578A2）的分析，撰写一份针对目标专利权利要求1的无效宣告请求书理由正文，要求符合中国专利局的审查指南格式。" />

根据权利要求1所述的信号处理方法，其中所述训练多个系数值包含基于所述多个M通道训练信号中的每一者而更新所述源分离滤波器结构的所述多个系数值。

根据权利要求1所述的信号处理方法，其中所述决定包含将来自所述至少一个信息源的信息与所述收敛式源分离滤波器结构的输出进行比较。

根据权利要求1所述的信号处理方法，其中所述多个M通道训练信号中的至少一者包括来自具有第一频谱特性的干扰源的干扰，且其中所述多个M通道训练信号中的另一者包括来自具有不同于所述第一频谱特性的第二频谱特性的干扰源的干扰。

根据权利要求1所述的信号处理方法，其中所述多个M通道训练信号中的至少一者包括来自具有第一频谱特性的信息源的信息，且其中所述多个M通道训练信号中的另一者包括来自具有不同于所述第一频谱特性的第二频谱特性的信息源的信息。

根据权利要求1所述的信号处理方法，其中在所述第一空间配置内，将所述M个变换器部署成相对于所述至少一个信息源以第一空间定向来定向的阵列，且其中在所述第二空间配置内，将所述M个变换器部署成相对于所述至少一个信息源以第二空间定向来定向的阵列，且其中所述第二空间定向不同于所述第一空间定向。

根据权利要求1所述的信号处理方法，其中所述训练源分离滤波器结构的多个系数值包括基于非线性有界函数而计算对所述多个系数值的更新。

根据权利要求1所述的信号处理方法，其中所述方法包含： 基于所述收敛式源分离滤波器结构的多个经训练的系数值，计算对应的射束图案；以及将所述所计算的射束图案与基于变换器与源在所述第一及第二空间配置的至少一者中的相对部署的信息进行比较。

根据权利要求1所述的信号处理方法，其中所述方法包含基于所述收敛式源分离滤波器结构的多个经训练的系数值，实时地对M通道信号进行滤波以获得实时信息输出信号。

根据权利要求9所述的信号处理方法，其中在所述第一空间配置内，将所述M个变换器相对于彼此而布置成第三空间配置，且其中所述M通道信号是基于由M个变换器的阵列产生的信号，所述M个变换器相对于彼此而布置成所述第三空间配置。

根据权利要求9所述的信号处理方法，其中所述对M通道信号进行滤波包括将(A)信息输出通道及(B)干扰输出通道中的一者的频率频段重新指派给所述两个通道中的另一者。

根据权利要求9所述的信号处理方法，所述方法包含： 使用多个变换器来俘获M通道所俘获信号，其中所述M通道信号是基于所述M通道所俘获信号；以及在所述实时地对M通道信号进行滤波之后，重新校准所述多个变换器中的至少一者的增益。

根据权利要求9所述的信号处理方法，所述方法包含在所述实时地对M通道信号进行滤波之后，且基于多个M通道训练信号，训练源分离滤波器结构的多个系数值以获得第二收敛式源分离滤波器结构。

根据权利要求9所述的信号处理方法，所述方法包含： 基于所述收敛式源分离滤波器结构的多个经训练的系数值，针对自适应滤波器产生初始条件； 根据所述初始条件而初始化所述自适应滤波器；以及 在所述初始化之后，使用所述自适应滤波器来对基于所述实时信息输出信号的信号进行滤波，其中所述初始条件包括(A)所述自适应滤波器的多个初始抽头权数及(B)所述自适应滤波器的初始历史中的至少一者。

根据权利要求14所述的信号处理方法，其中所述使用自适应滤波器包括基于所述实时信息输出信号的特性，使基于所述实时信息输出信号的所述信号衰减。

根据权利要求9所述的信号处理方法，所述方法包含对(A)所述M通道信号及(B)基于所述实时信息输出信号的信号中的至少一者执行回波消除操作。

根据权利要求14所述的信号处理方法，其中所述使用所述自适应滤波器来对基于所述实时信息输出信号的信号进行滤波包括使用所述自适应滤波器来产生干扰参考信号，且其中所述方法包含基于所述干扰参考信号，对基于所述实时信息输出信号的信号执行噪声减少操作。

一种用于信号处理的设备，所述设备包含： M个变换器的阵列，其中M为大于一的整数；以及 源分离滤波器结构，其具有多个经训练的系数值， 其中所述源分离滤波器结构经配置以实时地对M通道信号进行滤波以获得实时信息输出信号，且其中所述多个经训练的系数值是基于多个M通道训练信号，且 其中所述多个M通道训练信号中的一者是基于由M个变换器响应于至少一个信息源及至少一个干扰源而产生的信号，同时所述变换器及源经布置成第一空间配置，且其中所述多个M通道训练信号中的另一者是基于由M个变换器响应于至少一个信息源及至少一个干扰源而产生的信号，同时所述变换器及源经布置成不同于所述第一空间配置的第二空间配置。

根据权利要求18所述的用于信号处理的设备，其中所述设备包含移动用户终端，其包括所述阵列及所述源分离滤波器结构。

根据权利要求18所述的用于信号处理的设备，其中所述设备包含无线头戴式耳机，其包括所述阵列及所述源分离滤波器结构。

根据权利要求18所述的用于信号处理的设备，其中所述阵列的所述M个变换器相对于彼此而布置成第三空间配置，且其中在所述第一空间配置内，所述M个变换器相对于彼此而布置成所述第三空间配置。

根据权利要求18所述的用于信号处理的设备，其中在所述第一空间配置内，所述M个变换器经部署成相对于所述至少一个信息源以第一空间定向来定向的阵列，且其中在所述第二空间配置内，所述M个变换器经部署成相对于所述至少一个信息源以第二空间定向来定向的阵列，且其中所述第二空间定向不同于所述第一空间定向。

根据权利要求18所述的用于信号处理的设备，其中所述多个经训练的系数值是基于非线性有界函数而根据多个系数值计算。

根据权利要求18所述的用于信号处理的设备，其中所述源分离器滤波器结构经配置以通过将(A)信息输出通道及(B)干扰输出通道中的一者的频率频段重新指派给所述两个通道中的另一者来对所述M通道信号进行滤波。

根据权利要求18所述的用于信号处理的设备，所述设备包含自适应滤波器，其经布置以对基于所述实时信息输出信号的信号进行滤波，其中所述自适应滤波器是根据基于收敛式源分离滤波器结构的多个经训练的系数值的初始条件而初始化，所述初始条件包括(A)所述自适应滤波器的多个初始抽头权数及(B)所述自适应滤波器的初始历史中的至少一者。

根据权利要求25所述的用于信号处理的设备，其中所述自适应滤波器经配置以基于所述信息输出信号的特性而对基于所述实时信息输出信号的所述信号执行按比例缩放操作。

根据权利要求25所述的用于信号处理的设备，其中所述自适应滤波器经配置以产生干扰参考信号，且其中所述设备包括噪声减少滤波器，其经配置以基于所述干扰参考信号而对基于所述实时信息输出信号的信号执行噪声减少操作。

根据权利要求18所述的用于信号处理的设备，所述设备包含回波消除器，其经配置以对(A)所述M通道信号及(B)基于所述实时信息输出信号的信号中的至少一者执行回波消除操作。

一种用于信号处理的设备，所述设备包含： M个变换器的阵列，其中M为大于一的整数；以及 用于根据多个经训练的系数值而执行源分离滤波操作的装置， 其中所述用于执行源分离滤波操作的装置经配置以实时地对M通道信号进行滤波以获得实时信息输出信号，且其中所述多个经训练的系数值是基于多个M通道训练信号，且 其中所述多个M通道训练信号中的一者是基于由M个变换器响应于至少一个信息源及至少一个干扰源而产生的信号，同时所述变换器及源经布置成第一空间配置，且其中所述多个M通道训练信号中的另一者是基于由M个变换器响应于至少一个信息源及至少一个干扰源而产生的信号，同时所述变换器及源经布置成不同于所述第一空间配置的第二空间配置。

根据权利要求29所述的用于信号处理的设备，其中所述设备包含移动用户终端，其包括所述阵列及所述用于执行源分离滤波操作的装置。

根据权利要求29所述的用于信号处理的设备，其中所述设备包含无线头戴式耳机，其包括所述阵列及所述用于执行源分离滤波操作的装置。

根据权利要求29所述的用于信号处理的设备，其中所述阵列的所述M个变换器相对于彼此而布置成第三空间配置，且其中在所述第一空间配置内，所述M个变换器相对于彼此而布置成所述第三空间配置。

根据权利要求29所述的用于信号处理的设备，其中在所述第一空间配置内，所述M个变换器经部署成相对于所述至少一个信息源以第一空间定向来定向的阵列，且其中在所述第二空间配置内，所述M个变换器经部署成相对于所述至少一个信息源以第二空间定向来定向的阵列，且其中所述第二空间定向不同于所述第一空间定向。

根据权利要求29所述的用于信号处理的设备，其中所述多个经训练的系数值是基于非线性有界函数而根据多个系数值计算。

根据权利要求29所述的用于信号处理的设备，其中所述用于执行源分离滤波操作的装置经配置以通过将(A)信息输出通道及(B)干扰输出通道中的一者的频率频段重新指派给所述两个通道中的另一者来对所述M通道信号进行滤波。

根据权利要求29所述的用于信号处理的设备，所述设备包含用于自适应性地滤波的装置，其经布置以对基于所述实时信息输出信号的信号进行滤波，其中所述用于自适应性地滤波的装置是根据基于收敛式源分离滤波器结构的多个经训练的系数值的初始条件而初始化，所述初始条件包括(A)所述用于自适应性地滤波的装置的多个初始抽头权数及(B)所述用于自适应性地滤波的装置的初始历史中的至少一者。

根据权利要求36所述的用于信号处理的设备，其中所述用于自适应地滤波的装置经配置以基于所述实时信息输出信号的特性而对基于所述实时信息输出信号的所述信号执行按比例缩放操作。

根据权利要求36所述的用于信号处理的设备，其中所述用于自适应地滤波的装置经配置以产生干扰参考信号，且其中所述设备包括用于减少噪声的装置，其经配置以基于所述干扰参考信号而对基于所述实时信息输出信号的信号执行噪声减少操作。

根据权利要求29所述的用于信号处理的设备，所述设备包含用于回波消除的装置，其经配置以对(A)所述M通道信号及(B)基于所述实时信息输出信号的信号中的至少一者执行回波消除操作。

一种信号处理方法，所述方法包含： 基于多个M通道训练信号，训练源分离滤波器结构的多个系数值以获得收敛式源分离滤波器结构，其中M为大于一的整数；以及决定所述收敛式源分离滤波器结构是否充分地将所述多个M通道训练信号中的每一者分离为至少信息输出信号及干扰输出信号，其中所述多个M通道训练信号中的每一者是基于由M个变换器响应于至少一个信息源及至少一个干扰源而产生的信号，且其中所述多个M通道训练信号中的至少两者相对于以下各项中的至少一者而有所不同：(A)所述至少一个信息源的空间特征；(B)所述至少一个干扰源的空间特征；(C)所述至少一个信息源的频谱特征；以及(D)所述至少一个干扰源的频谱特征，且其中所述训练源分离滤波器结构的多个系数值包括根据独立向量分析算法及受约束的独立向量分析算法中的至少一者而更新所述多个系数值。

根据权利要求40所述的信号处理方法，其中所述方法包含基于所述收敛式源分离滤波器结构的多个经训练的系数值，实时地对M通道信号进行滤波以获得实时信息输出信号。

根据权利要求41所述的信号处理方法，所述方法包含： 基于所述收敛式源分离滤波器结构的多个经训练的系数值，针对自适应滤波器产生初始条件； 根据所述初始条件而初始化所述自适应滤波器；以及 在所述初始化之后，使用所述自适应滤波器来对基于所述实时信息输出信号的信号进行滤波，其中所述初始条件包括(A)所述自适应滤波器的多个初始抽头权数及(B)所述自适应滤波器的初始历史中的至少一者。

一种用于信号处理的设备，所述设备包含： M个变换器的阵列，其中M为大于一的整数；以及 源分离滤波器结构，其具有多个经训练的系数值， 其中所述源分离滤波器结构经配置以实时地对M通道信号进行滤波以获得实时信息输出信号，且其中所述多个经训练的系数值是基于多个M通道训练信号，且 其中所述多个M通道训练信号中的每一者是基于由M个变换器响应于至少一个信息源及至少一个干扰源而产生的信号，且其中所述多个M通道训练信号中的至少两者相对于以下各项中的至少一者而有所不同：(A)所述至少一个信息源的空间特征；(B)所述至少一个干扰源的空间特征；(C)所述至少一个信息源的频谱特征；以及(D)所述至少一个干扰源的频谱特征，且其中所述多个经训练的系数值是基于根据独立向量分析算法及受约束的独立向量分析算法中的至少一者而更新多个系数值。