【摘要】：盲源分離在語音信號處理領(lǐng)域是一種較為常見的關(guān)鍵性技術(shù),它主要應用于源信號的已知信息非常少甚至完全沒有時,僅根據(jù)接收端信號估計出每一個源信號。近年來,盲源分離技術(shù)獲得了長足的發(fā)展,然而含噪卷積混合語音信號的盲源分離問題仍有待深入探討。本文主要研究含噪卷積混合模型下的盲源分離技術(shù),首先采用基于信號子空間的語音增強技術(shù)作為盲源分離的去噪預處理步驟,來獲得較為純凈的卷積混合語音信號,然后對非正交矩陣聯(lián)合塊對角化算法進行優(yōu)化改進,避免算法收斂到奇異解,再利用改進后的算法對卷積混合語音信號進行盲源分離。以下是本文研究工作的主要內(nèi)容:(1)描述了盲源分離的數(shù)學模型,對源信號和噪聲信號提出了一些假設(shè)條件,分析了盲源分離問題客觀存在的不確定性,并研究了盲源分離算法性能的評價指標。在研究了三類經(jīng)典的盲源分離算法的基礎(chǔ)上,在每一類算法中選擇一種進行仿真,分別對比了其針對無噪混合語音信號和帶噪信號的分離結(jié)果。分析得出,三種經(jīng)典的盲源分離算法應用于帶噪混合語音信號時,均無法達到理想的效果。(2)針對帶噪混合語音信號,提出先采用語音增強算法作為去噪預處理部分,再與盲源分離算法相結(jié)合的方式進行處理。由于盲源分離的去噪問題具有其特殊性,既要有效抑制噪聲對信號的干擾,又要盡量減小有用信號的損失。經(jīng)過分析對比,本文選擇了基于信號子空間的語音增強算法作為盲源分離的去噪預處理部分,對其原理進行了詳細的研究,并通過仿真驗證了其良好的噪聲濾除效果。(3)針對經(jīng)過去噪預處理的無噪卷積混合語音信號,指出了傳統(tǒng)的非正交聯(lián)合塊對角化算法的不足之處,改進了其代價函數(shù),加入非奇異性約束項來規(guī)避奇異解,并且借鑒了循環(huán)最小化思想來實現(xiàn)代價函數(shù)的最小化,得到了分離矩陣的最優(yōu)解,從而恢復出各個源信號。結(jié)合上文的去噪預處理算法,梳理了整個帶噪卷積混合語音信號的盲源分離流程。通過數(shù)值試驗對比了改進算法與傳統(tǒng)算法對于奇異解的抑制能力,與傳統(tǒng)算法相比,改進算法能夠有效避免奇異解的產(chǎn)生。采用改進算法進行帶噪卷積混合語音信號的盲源分離仿真實驗,結(jié)果表明改進算法能夠較好地抑制噪聲,并且較為準確地將各個源信號恢復出來。與傳統(tǒng)算法相比,其串擾誤差和均方誤差均有明顯下降,算法性能明顯提高,具備一定的應用價值。
【學位授予單位】：蘭州交通大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TN912.3
【圖文】：

0 5 10 15 20 25 30-40-35-30-25-20-15-10-50迭代次數(shù)PI('Bd)BARD算法提出的新算法圖 4.1 兩種算法的串擾誤差隨迭代次數(shù)的變化根據(jù)圖 4.1 能夠得知，BARD 算法在幾次運行的時候 PI '值逐漸穩(wěn)定在[-5,0]dB 這個區(qū)間，其實這代表 BARD 算法失效，產(chǎn)生了奇異解。相比之下，提出的改進算法可以較好地避免收斂到奇異解的情況產(chǎn)生。選擇其中一次試驗，通過 MATLAB 窗口來查看兩種算法得到的全局矩陣，如圖 4.2 和圖 4.3 所示。

0 5 10 15 20 25 30-40-35-30-25-20-15-10-50迭代次數(shù)PI('Bd)BARD算法提出的新算法圖 4.1 兩種算法的串擾誤差隨迭代次數(shù)的變化根據(jù)圖 4.1 能夠得知，BARD 算法在幾次運行的時候 PI '值逐漸穩(wěn)定在[-5,0]dB 這個區(qū)間，其實這代表 BARD 算法失效，產(chǎn)生了奇異解。相比之下，提出的改進算法可以較好地避免收斂到奇異解的情況產(chǎn)生。選擇其中一次試驗，通過 MATLAB 窗口來查看兩種算法得到的全局矩陣，如圖 4.2 和圖 4.3 所示。

【參考文獻】

相關(guān)期刊論文 前10條

1 耿云志;徐慧芳;沈海斌;;一種無線傳感器網(wǎng)絡(luò)的盲源分離算法[J];傳感器與微系統(tǒng);2015年09期

2 黃浦博;尉宇;;改進的螢火蟲群優(yōu)化算法及其非線性盲源分離[J];電信科學;2015年09期

3 皮海玉;李志農(nóng);肖堯先;;基于量子遺傳的機械故障非線性盲源分離方法研究[J];機械強度;2015年03期

4 楊杰明;齊厚穎;;改進的互信息最小化非線性盲源分離算法[J];電測與儀表;2015年09期

5 陳超;何怡剛;尹柏強;方葛豐;樊曉騰;佘開;;改進頻點權(quán)重系數(shù)的頻域盲源分離排序算法[J];計算機應用研究;2014年12期

6 李洋;景新幸;楊海燕;;基于改進小波閾值和EMD的語音去噪方法[J];計算機工程與設(shè)計;2014年07期

7 程光輝;王磊杰;;直接正交聯(lián)合對角化盲分離算法[J];電子科技大學學報;2014年03期

8 陳歡;邱曉暉;;改進譜減法語音增強算法的研究[J];計算機技術(shù)與發(fā)展;2014年04期

9 韓亮;蒲秀娟;;使用時頻盲源分離和小波包去噪的胎兒心電信號提取[J];計算機應用;2013年08期

10 劉鵬;馬建芬;;具有較高可懂度的子空間語音增強算法[J];計算機工程與設(shè)計;2013年07期

相關(guān)碩士學位論文 前2條

1 于文慧;基于短時譜估計的MMSE語音增強算法研究[D];吉林大學;2012年

2 任婕;含噪盲信號提取和分離技術(shù)研究[D];電子科技大學;2012年

本文編號：2751255