本文關(guān)鍵詞：基于空間幾何信息約束的欠定卷積盲源分離，由筆耕文化傳播整理發(fā)布。

【摘要】：盲源分離是指在信號(hào)的傳輸信道、混合方式以及源信號(hào)未知的情況下,僅從觀(guān)測(cè)到的混合信號(hào)中來(lái)分離出各個(gè)源信號(hào)的過(guò)程。盲源分離在生物醫(yī)學(xué)信號(hào)處理、圖像處理、雷達(dá)與通信系統(tǒng)、語(yǔ)音信號(hào)處理,數(shù)據(jù)挖掘等方面具有重要的應(yīng)用價(jià)值。在實(shí)際應(yīng)用中,一般由于條件的限制,觀(guān)測(cè)到的混合信號(hào)個(gè)數(shù)往往小于源信號(hào)的個(gè)數(shù),也就是欠定條件下的盲源分離問(wèn)題。針對(duì)欠定盲源分離問(wèn)題,由于其混合系統(tǒng)的不可逆性,使得基于獨(dú)立分量分析的傳統(tǒng)算法不能直接用于欠定盲源分離問(wèn)題。目前欠定盲源分離大多采用稀疏分量分析方法,該方法利用語(yǔ)音信號(hào)在時(shí)頻域的稀疏特性。但在實(shí)際應(yīng)用中語(yǔ)音信號(hào)的混合方式通常為卷積混合模式,其混合信號(hào)不一定具備稀疏特性,故而稀疏分量分析算法在卷積條件下并不適用。根據(jù)人對(duì)語(yǔ)音信號(hào)多模式的辨識(shí)機(jī)制——借助人腦學(xué)習(xí)特性和利用視覺(jué)信息加以輔助,進(jìn)而提高對(duì)聲音信號(hào)的感知能力。本論文提出了一種基于空間幾何信息約束的欠定卷積盲分離算法。本論文的主要工作如下:針對(duì)欠定卷積混合條件下的語(yǔ)音信號(hào)盲源分離問(wèn)題,提出了基于空間幾何信息約束下的欠定卷積盲源分離算法。該算法利用自回歸系數(shù)表示語(yǔ)音信號(hào)相鄰時(shí)間幀的線(xiàn)性相關(guān)特性,以此構(gòu)建狀態(tài)轉(zhuǎn)移矩陣,從而采用卡爾曼濾波實(shí)現(xiàn)源信號(hào)的分離。該算法是在每個(gè)頻率下對(duì)源信號(hào)進(jìn)行估計(jì),因而在恢復(fù)時(shí)域源信號(hào)時(shí),會(huì)因各頻率下源信號(hào)的排列順序不一致而出現(xiàn)排列置換問(wèn)題。針對(duì)這一問(wèn)題,本文算法通過(guò)視覺(jué)獲取聲源的空間位置信息,以此得到混合矩陣的初值,使得各個(gè)頻率下混合矩陣列矢量的排列順序一致,從而避免了排列置換問(wèn)題。通過(guò)實(shí)驗(yàn)仿真,驗(yàn)證了本文算法的優(yōu)越性。
【關(guān)鍵詞】：欠定盲源分離 卷積混合 卡爾曼濾波 迭代優(yōu)化
【學(xué)位授予單位】：南昌大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TN911.5
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第1章 緒論8-14
• 1.1 課題背景及意義8-9
• 1.2 盲源分離研究現(xiàn)狀9-12
• 1.3 論文的主要工作及內(nèi)容安排12-14
• 第2章 線(xiàn)性混合信號(hào)盲源分離概述14-30
• 2.1 線(xiàn)性混合模型15-17
• 2.1.1 瞬時(shí)混合模型15
• 2.1.2 無(wú)回響延時(shí)混合模型15-16
• 2.1.3 卷積混合模型16-17
• 2.2 經(jīng)典盲源分離算法17-19
• 2.3 基于信號(hào)稀疏的欠定盲分離算法19-24
• 2.3.1 非卷積分離算法20-22
• 2.3.2 卷積分離算法22-24
• 2.4 非稀疏約束卷積盲分離算法24-29
• 2.4.1 基于單源檢測(cè)的盲分離算法24-26
• 2.4.2 DESPRIT算法26-29
• 2.5 小結(jié)29-30
• 第3章 基于最大后驗(yàn)概率的語(yǔ)音信號(hào)欠定盲源分離算法30-42
• 3.1 算法模型31-32
• 3.2 參數(shù)初始化32-33
• 3.3 源信號(hào)的估計(jì)33-35
• 3.4 排列置換問(wèn)題35-36
• 3.5 算法性能仿真36-41
• 3.5.1 算法性能評(píng)價(jià)標(biāo)準(zhǔn)37
• 3.5.2 排列置換問(wèn)題的驗(yàn)證37-39
• 3.5.3 分離效果驗(yàn)證39-41
• 3.6 小結(jié)41-42
• 第4章 基于空間幾何信息約束的欠定卷積盲源分離算法42-56
• 4.1 視覺(jué)定位44-45
• 4.2 線(xiàn)性預(yù)測(cè)45-46
• 4.3 基于空間狀態(tài)模型的源信號(hào)估計(jì)46-48
• 4.4 算法性能仿真48-55
• 4.4.1 算法性能評(píng)價(jià)標(biāo)準(zhǔn)以參數(shù)設(shè)定48-49
• 4.4.2 收斂性驗(yàn)證49-50
• 4.4.3 人工數(shù)據(jù)分離性能比較50-52
• 4.4.4 真實(shí)環(huán)境下數(shù)據(jù)分離性能比較52-55
• 4.5 小結(jié)55-56
• 第5章 總結(jié)與展望56-58
• 致謝58-59
• 參考文獻(xiàn)59-63
• 攻讀學(xué)位期間的成果63

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 馬捷;黃高明;左煒;高俊;;一種魯棒的病態(tài)混疊信號(hào)欠定盲源分離算法[J];電子與信息學(xué)報(bào);2013年10期

2 董天寶;程雷;楊景曙;;基于時(shí)頻單源點(diǎn)的欠定混合矩陣估計(jì)[J];計(jì)算機(jī)工程與應(yīng)用;2013年21期

3 李寧;陳海庭;;欠定條件下弱稀疏源信號(hào)混合矩陣盲估計(jì)[J];數(shù)據(jù)采集與處理;2015年04期

4 鄧安安;;基于二階統(tǒng)計(jì)的稀疏圖像信號(hào)盲分離[J];欽州學(xué)院學(xué)報(bào);2015年05期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

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

2 黃錦旺;傳感器網(wǎng)絡(luò)中的信號(hào)分離與重構(gòu)[D];華南理工大學(xué);2014年

3 李煒;多種混合模型下的盲信號(hào)分離方法研究[D];江南大學(xué);2014年

4 秦少謙;基于數(shù)據(jù)驅(qū)動(dòng)的環(huán)境模態(tài)分析方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李婷;數(shù)字通信信號(hào)的盲源分離技術(shù)研究[D];西安電子科技大學(xué);2013年

2 譚剛艷;基于有效時(shí)頻點(diǎn)的欠定盲源分離及其在動(dòng)態(tài)系統(tǒng)中的應(yīng)用[D];南昌大學(xué);2013年

3 于偉;面向瞬時(shí)混合信號(hào)的分布式壓縮感知方法研究[D];哈爾濱工業(yè)大學(xué);2013年

4 李建鋒;基于盲源分離的地震信號(hào)處理方法研究及應(yīng)用[D];中國(guó)石油大學(xué)（華東）;2012年

5 李世鵬;GIS局放信號(hào)混合特性及盲分離研究[D];山東大學(xué);2014年

6 馬麗芬;欠定盲源分離及其在跳頻信號(hào)分選中的應(yīng)用研究[D];西安電子科技大學(xué);2014年

7 李雅婷;語(yǔ)音分離算法的研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

8 郭偉;基于盲源分離的語(yǔ)音音樂(lè)信號(hào)分離算法的研究[D];江南大學(xué);2014年

9 金立e，

本文編號(hào)：415157