本文關(guān)鍵詞：基于非負(fù)張量分解的多通道音頻信號盲分離研究

  更多相關(guān)文章： 欠定盲信號分離 非負(fù)矩陣分解 平行因子模型 非負(fù)張量分解 混合矩陣估計

【摘要】：盲信號分離(Blind Signals Separation:BSS)是指在對源信號和混合系統(tǒng)的先驗知識了解很少的情況下,僅根據(jù)觀測信號恢復(fù)出源信號的過程�；旌弦纛l信號的分離是盲信號分離技術(shù)研究的初衷,也是信號處理領(lǐng)域的一個難點,近年來最常見的音樂信號的分離獲得了極大關(guān)注,在計算機(jī)自動識譜、旋律提取、音樂信息檢索、高效音樂編碼等技術(shù)中都有重要應(yīng)用。本文主要研究線性瞬時混合的多通道欠定音樂信號的盲分離,提出了基于平行因子模型的非負(fù)張量分解算法。首先簡要介紹了非負(fù)矩陣分解(Nonnegative Matrix Factorization,NMF)的三種方法,分析了NMF算法的原理。然后將NMF算法的思想拓展應(yīng)用到三階的張量分解中,將線性瞬時混合的多通道音樂信號模型轉(zhuǎn)換為平行因子模型,并分析得出該模型非負(fù)張量分解的乘法迭代公式,完成信號的分離。一般的盲信號分離是先將混合信號分離,再利用聚類算法恢復(fù)出源信號,聚類算法增加了復(fù)雜度,也直接影響分離的效果。本文在非負(fù)張量分解的基礎(chǔ)上提出了采用標(biāo)記矩陣的聚類的非負(fù)張量分解算法,使觀測信號在分離的同時完成聚類,分離算法更簡單高效。接下來利用音樂信號在時頻域的稀疏性,對非負(fù)張量分解算法進(jìn)行改進(jìn)。首先分析時頻單源點檢測的方法,再利用分層聚類算法預(yù)先估計混合矩陣,將估計出的混合矩陣直接應(yīng)用到非負(fù)張量分解算法中。估計混合矩陣可以先確定各個源信號混合的比例,并能減少分離結(jié)果的隨機(jī)性,使得分離算法的效果更佳。最后與常見的稀疏成分分析法進(jìn)行對比,根據(jù)仿真結(jié)果本論文提出的方法分離效果更佳。
【關(guān)鍵詞】：欠定盲信號分離 非負(fù)矩陣分解 平行因子模型 非負(fù)張量分解 混合矩陣估計
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN912.3
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-12
• 1.1 研究背景及意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-10
• 1.3 本文內(nèi)容安排10-12
• 第二章 非負(fù)矩陣分解算法及原理12-20
• 2.1 非負(fù)矩陣分解算法簡介12-14
• 2.2 KL散度、IS散度的概念14-15
• 2.3 IS-NMF算法的原理15-17
• 2.3.1 IS-NMF迭代公式推導(dǎo)15-17
• 2.3.2 乘法更新迭代的本質(zhì)17
• 2.4 三種NMF算法的特性比較17-18
• 2.5 本章小結(jié)18-20
• 第三章 音頻盲分離基礎(chǔ)20-28
• 3.1 音頻信號的特性20
• 3.2 盲信號分離的模型20-23
• 3.3 IS-NMF的概率解釋23-24
• 3.4 音頻盲分離的評價標(biāo)準(zhǔn)24-25
• 3.5 本章小結(jié)25-28
• 第四章 非負(fù)張量音頻盲分離28-46
• 4.1 非負(fù)張量分解基礎(chǔ)28-30
• 4.2 PARAFAC非負(fù)張量分解算法30-33
• 4.2.1 PARAFAC分解模型30-31
• 4.2.2 非負(fù)張量分解算法31-33
• 4.3 聚類的非負(fù)張量分解33-36
• 4.4 音頻盲分離仿真36-44
• 4.4.1 音頻分離的信號源36-39
• 4.4.2 音頻盲分離仿真過程39-40
• 4.4.3 音頻盲分離結(jié)果分析40-44
• 4.5 本章小結(jié)44-46
• 第五章 預(yù)先估計混合矩陣的非負(fù)張量分解46-60
• 5.1 時頻單源點的檢測46-49
• 5.2 混合矩陣的估計方法49-51
• 5.2.1 分層聚類法估計混合矩陣49-50
• 5.2.2 時頻單源點方法優(yōu)化50-51
• 5.3 預(yù)先估計混合矩陣的非負(fù)張量分解51-57
• 5.3.1 混合矩陣估計仿真51-54
• 5.3.2 預(yù)先估計混合矩陣的NTF盲分離仿真54-57
• 5.4 稀疏成分分析法對比57-59
• 5.5 本章小結(jié)59-60
• 第六章 總結(jié)與展望60-62
• 6.1 本文研究內(nèi)容總結(jié)60-61
• 6.2 未來研究工作展望61-62
• 致謝62-64
• 參考文獻(xiàn)64-68
• 攻讀學(xué)位期間發(fā)表論文及參與項目68

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張洪淵,賈鵬,史習(xí)智;互累積量迫零法信號源盲分離[J];上海交通大學(xué)學(xué)報;2001年08期

2 王惠剛,梁紅,李志舜;具有任意分布時間相關(guān)源的盲分離自適應(yīng)算法[J];西北工業(yè)大學(xué)學(xué)報;2003年06期

3 史曉非,黃耀P,梁德群,劉人杰;一種盲分離技術(shù)在信息處理中的應(yīng)用[J];大連海事大學(xué)學(xué)報;2005年02期

4 馮丹鳳;王海燕;;基于盲分離技術(shù)的雙目標(biāo)辨識與定位方法研究[J];聲學(xué)與電子工程;2006年01期

5 趙文紅;王巍;;求解單通道盲分離問題的一種新方法[J];計算機(jī)科學(xué);2013年S1期

6 張洪淵,.戴小明,史習(xí)智;一種功能增強(qiáng)的信號源盲分離新算法[J];振動工程學(xué)報;2002年02期

7 吳祖峰;葛麗;李剛;;傳感器個數(shù)及距離對盲分離影響的分析[J];電子科技大學(xué)學(xué)報;2006年02期

8 劉芳;張燕妮;;基于奇異值降維的胎心電盲分離方法[J];中國醫(yī)學(xué)物理學(xué)雜志;2013年06期

9 王惠剛,梁紅,李志舜;任意信號源的盲分離[J];信號處理;2002年02期

10 賈鵬,叢豐裕,史習(xí)智;雜系混合信號的盲分離[J];上海交通大學(xué)學(xué)報;2004年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王惠剛;梁紅;李志舜;;盲分離的模糊性[A];第十一屆全國信號處理學(xué)術(shù)年會（CCSP-2003）論文集[C];2003年

2 姜華;秦志峰;錢進(jìn);;一種頻域盲分離技術(shù)及其性能分析[A];中國聲學(xué)學(xué)會2002年全國聲學(xué)學(xué)術(shù)會議論文集[C];2002年

3 劉堅;陸佶人;;一種基于遺傳算法的盲分離方法[A];中國聲學(xué)學(xué)會2003年青年學(xué)術(shù)會議[CYCA'03]論文集[C];2003年

4 綦敦浩;章新華;范文濤;;水聲信號盲分離排序算法[A];2011'中國西部聲學(xué)學(xué)術(shù)交流會論文集[C];2011年

5 姚毅;賈金玲;姚婭川;;盲分離技術(shù)在識別生物信號中的應(yīng)用[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

6 夏斌;;基于獨立剩余量的圖像盲分離[A];2007第三屆中國智能交通年會論文集[C];2007年

7 鐘伯成;;信息極大ICA算法的動態(tài)盲分離研究[A];2008通信理論與技術(shù)新發(fā)展——第十三屆全國青年通信學(xué)術(shù)會議論文集（下）[C];2008年

8 王燕妮;馬鐵華;;盲分離技術(shù)在智能化引信中的應(yīng)用研究[A];第三屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2005年

9 劉娜;郭建中;;Infomax算法對調(diào)幅信號盲分離效果的分析[A];第二屆西安-上海兩地聲學(xué)學(xué)術(shù)會議論文集[C];2011年

10 蔡秋芳;李國輝;楊海濱;;基于時頻非交疊性的語音盲分離[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 本報記者 滕繼濮;盲分離：不想要的信號“非誠勿擾”[N];科技日報;2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔡坤;胎兒心電信號的盲分離研究[D];華南理工大學(xué);2011年

2 張安清;盲分離技術(shù)及其在水聲信號中的應(yīng)用研究[D];大連理工大學(xué);2006年

3 叢豐裕;面向目標(biāo)感知的盲信號處理算法研究[D];上海交通大學(xué);2007年

4 楊祖元;盲信號分離算法分析與應(yīng)用研究[D];華南理工大學(xué);2009年

5 周勃;基于盲分離的空調(diào)機(jī)組故障振聲診斷研究[D];沈陽工業(yè)大學(xué);2008年

6 高峰;欠定松弛稀疏信號的盲分離研究[D];華南理工大學(xué);2012年

7 趙宇峰;單通道時頻混疊通信信號盲分離研究[D];中國科學(xué)技術(shù)大學(xué);2015年

8 黃青華;基于源信號模型的盲分離技術(shù)研究及應(yīng)用[D];上海交通大學(xué);2007年

9 王翔;通信信號盲分離方法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

10 張袁元;車輛多相關(guān)振動噪聲源及其路徑識別方法研究[D];南京航空航天大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 薛韃;基于神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)振動信號的盲分離研究[D];中國地質(zhì)大學(xué)(北京);2015年

2 范曉艷;基于差分進(jìn)化算法的置換混疊圖像盲分離[D];河南師范大學(xué);2015年

3 龐盟盟;基于單通道盲分離的抗干擾技術(shù)研究[D];電子科技大學(xué);2014年

4 王秀林;多集合信號聯(lián)合盲分離方法研究[D];大連理工大學(xué);2015年

5 馬歡;基于粒子濾波的同頻數(shù)字混合信號單通道盲分離技術(shù)研究[D];解放軍信息工程大學(xué);2014年

6 王珊;基于非負(fù)張量分解的多通道音頻信號盲分離研究[D];東南大學(xué);2015年

7 查君君;盲分離技術(shù)的研究及其在缺陷信號處理中的應(yīng)用[D];合肥工業(yè)大學(xué);2007年

8 何真強(qiáng);基于極大似然法的信號源盲分離[D];北京交通大學(xué);2012年

9 李雯雯;混響背景下盲分離方法的研究[D];哈爾濱工程大學(xué);2013年

10 孫慶瑞;通信信號的單通道盲分離技術(shù)研究[D];西安電子科技大學(xué);2013年

，

本文編號：1049358