Nja.. det är inte riktigt så lätt :) Det finns många olika metoder för att kunna separera signaler från varandra. Törs nog påstå att ICA, Independent Components Analysis, samt CASA, Computational Auditory Scene Analysis tillhör de allra vanligaste. Låt säga att vi har M ljudspår x_i som innehåller en mix av N signalkällor s_j. Genom att försumma tidsfördröjelse och olinjäriteter kan man säga att x=As där A är en MxN "mixningsmatris". Grovt förenklat kan man säga att det hela går ut på att hitta A. Problemet är att vi i normala fall (tex då vi har en stereoinspelning med mer än 2 ljudkällor) kommer att ha M<N och ekvationssystemet blir underdeterminerat. Genom att transformera problemet till tids-frekvensdomänen (tex genom STFT, Short-Time Fourier Transform, eller mha Wavelets) går det att se hur signalens spektra ser ut och förändras i tiden. Då kan man genom att utnyttja vissa knep, som tex att instrument till skillnad från tal/sång har ett logaritmiskt frekvenssamband, lättare plocka ut och separera signalkällorna. Det är här nånstans det börjar bli knepigt och jag är ingen riktig pedagog.. men om det finns någon som mot all förmodan är intresserad kan jag försöka svara på era frågor :P Har själv knåpat lite med ICA- och CASA-metoder, det är faktiskt ganska intressant.
mensvärk är livets krydda.