本文關鍵詞：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的傳輸信道、混合方式以及源信號未知的情況下,僅從觀測到的混合信號中來分離出各個源信號的過程。盲源分離在生物醫(yī)學信號處理、圖像處理、雷達與通信系統(tǒng)、語音信號處理,數(shù)據(jù)挖掘等方面具有重要的應用價值。在實際應用中,一般由于條件的限制,觀測到的混合信號個數(shù)往往小于源信號的個數(shù),也就是欠定條件下的盲源分離問題。針對欠定盲源分離問題,由于其混合系統(tǒng)的不可逆性,使得基于獨立分量分析的傳統(tǒng)算法不能直接用于欠定盲源分離問題。目前欠定盲源分離大多采用稀疏分量分析方法,該方法利用語音信號在時頻域的稀疏特性。但在實際應用中語音信號的混合方式通常為卷積混合模式,其混合信號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)人對語音信號多模式的辨識機制——借助人腦學習特性和利用視覺信息加以輔助,進而提高對聲音信號的感知能力。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:針對欠定卷積混合條件下的語音信號盲源分離問題,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)表示語音信號相鄰時間幀的線性相關特性,以此構(gòu)建狀態(tài)轉(zhuǎn)移矩陣,從而采用卡爾曼濾波實現(xiàn)源信號的分離。該算法是在每個頻率下對源信號進行估計,因而在恢復時域源信號時,會因各頻率下源信號的排列順序不一致而出現(xiàn)排列置換問題。針對這一問題,本文算法通過視覺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題。通過實驗仿真,驗證了本文算法的優(yōu)越性。
【關鍵詞】：欠定盲源分離 卷積混合 卡爾曼濾波 迭代優(yōu)化
【學位授予單位】：南昌大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：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 線性混合信號盲源分離概述14-30
• 2.1 線性混合模型15-17
• 2.1.1 瞬時混合模型15
• 2.1.2 無回響延時混合模型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 基于最大后驗概率的語音信號欠定盲源分離算法30-42
• 3.1 算法模型31-32
• 3.2 參數(shù)初始化32-33
• 3.3 源信號的估計33-35
• 3.4 排列置換問題35-36
• 3.5 算法性能仿真36-41
• 3.5.1 算法性能評價標準37
• 3.5.2 排列置換問題的驗證37-39
• 3.5.3 分離效果驗證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 視覺定位44-45
• 4.2 線性預測45-46
• 4.3 基于空間狀態(tài)模型的源信號估計46-48
• 4.4 算法性能仿真48-55
• 4.4.1 算法性能評價標準以參數(shù)設定48-49
• 4.4.2 收斂性驗證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59-63
• 攻讀學位期間的成果63

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前4條

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

2 董天寶;程雷;楊景曙;;基于時頻單源點的欠定混合矩陣估計[J];計算機工程與應用;2013年21期

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

4 鄧安安;;基于二階統(tǒng)計的稀疏圖像信號盲分離[J];欽州學院學報;2015年05期

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 高峰;欠定松弛稀疏信號的盲分離研究[D];華南理工大學;2012年

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

3 李煒;多種混合模型下的盲信號分離方法研究[D];江南大學;2014年

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

中國碩士學位論文全文數(shù)據(jù)庫 前10條

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

2 譚剛艷;基于有效時頻點的欠定盲源分離及其在動態(tài)系統(tǒng)中的應用[D];南昌大學;2013年

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

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

5 李世鵬;GIS局放信號混合特性及盲分離研究[D];山東大學;2014年

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

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

8 郭偉;基于盲源分離的語音音樂信號分離算法的研究[D];江南大學;2014年

9 金立e，

本文編號：415157