本文關(guān)鍵詞：面向雙耳助聽系統(tǒng)的低復(fù)雜度盲源分離算法研究　出處：《山東大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 雙耳助聽器 低復(fù)雜度 頻域獨(dú)立成分分析 頻點(diǎn)選擇 協(xié)方差矩陣行列式 互信息

【摘要】：聽損患者選擇性注意的能力下降,在多人交談的場景下確定目標(biāo)說話者時(shí)出現(xiàn)困難,這要求助聽器能夠幫助患者區(qū)別目標(biāo)聲源和干擾聲源。盲源分離技術(shù)在雙耳助聽器中用于語音增強(qiáng)時(shí),在消除人聲干擾的同時(shí)能夠通過后處理技術(shù)保持信號雙耳線索,進(jìn)而能夠幫助患者更好地定位聲源,彌補(bǔ)了現(xiàn)有降噪技術(shù)的不足,具有很大的應(yīng)用潛力。卷積混合模型接近于實(shí)際環(huán)境中的信號混合情況,該模型下有時(shí)域和頻域兩類方法。在回聲環(huán)境中時(shí)域方法收斂性不好,而頻域方法通過將時(shí)域卷積變?yōu)轭l域相乘獲得了高的計(jì)算效率。在頻域,頻域獨(dú)立成分分析算法(Frequency Domain Blind Source Separation,FDICA)應(yīng)用廣泛,但復(fù)雜度相當(dāng)高,不能滿足數(shù)字助聽器對算法低復(fù)雜的要求。針對這個(gè)問題,頻點(diǎn)選擇FDICA通過減少進(jìn)行ICA迭代的頻點(diǎn)數(shù)目來降低復(fù)雜度。目前的頻點(diǎn)選擇FDICA均針對小間距麥克風(fēng)條件下,雙耳間距dmic=0.15m條件下還未有相關(guān)算法提出,即目前沒有能夠應(yīng)用于雙耳助聽器中的頻點(diǎn)選擇FDICA。針對現(xiàn)狀,本文對雙耳間距下頻點(diǎn)選擇FDICA進(jìn)行了研究,主要工作如下:1)實(shí)現(xiàn)了傳統(tǒng)FDICA算法,介紹了復(fù)數(shù)ICA和解決兩種確定性問題等步驟使用的具體算法。ICA算法采用FastICA和SNG ICA的結(jié)合算法,討論了非線性函數(shù)和參數(shù)的選取問題。置換算法采用基于估計(jì)混合矩陣列向量的排序算法。幅度不確定性根據(jù)最小失真原則解決。仿真時(shí)先通過實(shí)驗(yàn)確定ICA的最優(yōu)參數(shù),該參數(shù)設(shè)置下大量實(shí)驗(yàn)表明實(shí)現(xiàn)的傳統(tǒng)FDICA具有良好的分離性能。最后簡單地估計(jì)了傳統(tǒng)FDICA每一步的復(fù)雜度,發(fā)現(xiàn)頻點(diǎn)上ICA迭代是主要的復(fù)雜度所在,而限制進(jìn)行ICA的頻點(diǎn)數(shù)目能夠有效地降低這一步的復(fù)雜度,這是頻點(diǎn)選擇FDICA的基本思想。2)在傳統(tǒng)FDICA基礎(chǔ)上,提出了基于行列式的頻點(diǎn)選擇FDICA,適用于無回聲環(huán)境下間距為dmi=0.15m兩個(gè)麥克風(fēng)。該算法創(chuàng)新地使用了兩次頻點(diǎn)選擇過程并提出了新的未選頻點(diǎn)分離算法。第一階段頻點(diǎn)選擇方案采用混合信號協(xié)方差矩陣的行列式得到初選頻點(diǎn),第二階段頻點(diǎn)選擇方案采用基于箱線圖的異常點(diǎn)檢測算法對初選頻點(diǎn)進(jìn)一步篩選得到終選頻點(diǎn),兩次選擇過程保證了選擇頻點(diǎn)的分離性能。終選頻點(diǎn)之外的頻點(diǎn)為未選頻點(diǎn),對于這些頻點(diǎn),提出的未選頻點(diǎn)分離算法利用估計(jì)的相對混合參數(shù)構(gòu)建分離矩陣,同時(shí)解決了幅度不確定性問題,簡單有效。大量實(shí)驗(yàn)表明當(dāng)閾值設(shè)定為0.01時(shí),與傳統(tǒng)FDICA相比,提出算法的運(yùn)行時(shí)間下降了約90%,同時(shí)分離性能指標(biāo)均有了顯著提升。這說明提出算法能夠在降低復(fù)雜度的同時(shí)提升分離性能。3)在基于行列式的頻點(diǎn)選擇FDICA基礎(chǔ)上,將第一階段頻點(diǎn)選擇標(biāo)準(zhǔn)修改為混合信號幅值的互信息,并修改了第一階段頻點(diǎn)選擇過程,其他部分不變,提出了基于互信息的頻點(diǎn)選擇FDICA。通過實(shí)驗(yàn)比較了兩種頻點(diǎn)選擇FDICA算法的優(yōu)劣,發(fā)現(xiàn)相比于基于行列式的頻點(diǎn)選擇FDICA,提出算法雖然復(fù)雜度稍有增加,但通過閾值設(shè)定所得的最優(yōu)分離性能有了較大的提升。
[Abstract]:Listen to the ability to damage in patients with selective attention, difficult to determine the target speaker in conversation scenes, which requires hearing aid to help patients to distinguish the target sound source and sound source interference. For blind source separation in binaural hearing aids in speech enhancement, in the elimination of voice interference through postprocessing technique keep the signal of binaural cues, and thus can help patients better sound source localization, makes up the deficiency of the existing noise reduction technology, has great potential in application. The mixed signal of the convolutive mixture model close to the actual environment, there are two kinds of time domain and frequency domain method of the model. In the echo environment in time domain method has better convergence. The frequency domain method by time domain convolution for variable frequency multiplication of high computation efficiency. In the frequency domain, frequency domain independent component analysis algorithm (Frequency Domain Blind Source Separation, F DICA) is widely used, but the complexity is very high, can not meet the digital hearing aid on the low complexity algorithm requirements. To solve this problem, frequency selection by reducing the number of FDICA frequency ICA iteration to reduce complexity. The frequency selection of FDICA for small spacing microphone binaural pitch conditions, under the condition of dmic=0.15m there is no correlation algorithm is proposed, which is currently no frequency point can be used in binaural hearing aids in the selection of FDICA. according to the present situation, this article has conducted the research to binaural spacing frequency selection FDICA, the main work is as follows: 1) the traditional FDICA algorithm, introduces and solve complex ICA algorithm combining specific.ICA algorithm step two a deterministic problem used by FastICA and SNG ICA, and discusses the choice of the nonlinear function and parameter estimation. The replacement algorithm of column sort vector algorithm based on amplitude mixing matrix. According to the uncertainty principle to solve the minimum distortion. The simulation experiments to determine the optimal parameters of ICA, the parameters to achieve a large number of experiments show that the traditional FDICA has a good separation performance. Finally a simple estimation of the traditional FDICA every step of the complexity, found the frequency point ICA iteration complexity is the main. While limiting the number of frequency points of ICA can effectively reduce the complexity of this step, this is the basic idea of.2 frequency point FDICA) on the basis of traditional FDICA, we choose the FDICA frequency determinant based on echo free environment for space dmi=0.15m two microphones. The algorithm of innovation the use of the two frequency selection process and put forward a new non frequency separation algorithm. The determinant of first stage frequency selection scheme based on mixed signal covariance matrix to get the primary frequency, the second phase frequency selection Scheme of the boxplot outlier detection algorithm based on the primary frequency of further screening to obtain the final frequency, two times the selection process to ensure the separation performance of frequency selection. The final frequency frequency outside for frequency, for these frequency, the frequency is not separated by using the method of estimating the relative mixing parameters for constructing the separation matrix, and solves the range uncertainty problem, simple and effective. A large number of experiments show that when the threshold is set to 0.01, compared with the traditional FDICA, the running time of the algorithm is decreased by about 90%, while the separation performance indexes have been significantly improved. This result shows that the proposed algorithm can reduce the complexity and improve the the separation performance of.3) in the choice of FDICA based frequency determinant based on the first stage, the frequency selection criteria for modified mutual information mixed signal amplitude, and modify the first phase frequency selection process, The other part of the same, put forward the frequency point mutual information FDICA. two FDICA algorithms of frequency selection have been compared by experiments based on the FDICA found that compared to frequency determinant based on algorithm complexity, although a slight increase, but the optimal separation performance by setting threshold of income has been greatly improved.

【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN912.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 程彩娟;“八后問題”的算法與程序設(shè)計(jì)[J];天津職業(yè)技術(shù)師范學(xué)院學(xué)報(bào);1991年02期

2 葛磊;武芳;王鵬波;張冬林;;3維建筑綜合中基于最小特征的面平移算法[J];測繪科學(xué)技術(shù)學(xué)報(bào);2009年02期

3 駱雯,孫延明,陳振威,陳錦昌;判斷點(diǎn)與封閉多邊形相對關(guān)系的改進(jìn)算法[J];機(jī)械;1999年03期

4 李林;盧顯良;;一種基于切割映射的規(guī)則沖突消除算法[J];電子學(xué)報(bào);2008年02期

5 劉巧玲;張紅英;林茂松;;一種簡單快速的圖像去霧算法[J];計(jì)算機(jī)應(yīng)用與軟件;2013年07期

6 林亞平,楊小林;快速概率分析進(jìn)化算法及其性能研究[J];電子學(xué)報(bào);2001年02期

7 章郡鋒;吳曉紅;黃曉強(qiáng);何小海;;基于暗原色先驗(yàn)去霧的改進(jìn)算法[J];電視技術(shù);2013年23期

8 楊鐵軍;靳婷;;一種動態(tài)整周模糊值求解算法及其仿真分析[J];系統(tǒng)工程與電子技術(shù);2007年01期

9 周秀玲;郭平;陳寶維;王靜;;幾種計(jì)算超體積算法的比較研究[J];計(jì)算機(jī)工程;2011年03期

10 吳一戎,胡東輝,彭海良;Chirp Scaling SAR成象算法及其實(shí)現(xiàn)[J];電子科學(xué)學(xué)刊;1995年03期

相關(guān)會議論文 前10條

1 尹冀鋒;;一種新的圖象自適應(yīng)增強(qiáng)算法[A];四川省通信學(xué)會一九九二年學(xué)術(shù)年會論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計(jì)算機(jī)輔助增強(qiáng)、分割算法在鑒別乳腺良、惡性腫塊中的應(yīng)用價(jià)值[A];中華醫(yī)學(xué)會第十次全國超聲醫(yī)學(xué)學(xué)術(shù)會議論文匯編[C];2009年

3 謝麗聰;;SVB查詢改寫算法的改進(jìn)[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報(bào)告篇）[C];2004年

4 鄭存紅;;復(fù)雜背景下相關(guān)跟蹤算法研究及DSP實(shí)現(xiàn)[A];中國光學(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

5 楊文杰;吳軍;;RFID抗沖突算法研究[A];2008通信理論與技術(shù)新進(jìn)展——第十三屆全國青年通信學(xué)術(shù)會議論文集（上）[C];2008年

6 高山;畢篤彥;魏娜;;一種基于UPF的小目標(biāo)TBD算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

7 周磊;張衛(wèi)華;王曉奇;張軍;;基于流水算法的智能路障機(jī)器人設(shè)計(jì)[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

8 潘巍;李戰(zhàn)懷;陳群;索博;李衛(wèi)榜;;面向MapReduce的非對稱分片復(fù)制連接算法優(yōu)化技術(shù)研究[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

9 李偉偉;蔡康穎;鄭新;王文成;;3D模型中重復(fù)結(jié)構(gòu)的多尺度快速檢測算法[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(jì)算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

10 楊任爾;陳懇;勵金祥;;基于棱邊方向檢測的運(yùn)動自適應(yīng)去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

相關(guān)重要報(bào)紙文章 前1條

1 國泰君安資產(chǎn)管理部;“算法交易”是道指暴跌罪魁禍?zhǔn)?[N];上海證券報(bào);2010年

相關(guān)博士學(xué)位論文 前10條

1 馮輝;網(wǎng)絡(luò)化的并行與分布式優(yōu)化算法研究及應(yīng)用[D];復(fù)旦大學(xué);2013年

2 許玉杰;云計(jì)算環(huán)境下海量數(shù)據(jù)的并行聚類算法研究[D];大連海事大學(xué);2014年

3 李琰;基于貓群算法的高光譜遙感森林類型識別研究[D];東北林業(yè)大學(xué);2015年

4 陳加順;海洋環(huán)境下聚類算法的研究[D];南京航空航天大學(xué);2014年

5 王洋;基于群體智能的通信網(wǎng)絡(luò)告警關(guān)聯(lián)規(guī)則挖掘算法研究[D];太原理工大學(xué);2015年

6 雷雨;面向考試時(shí)間表問題的啟發(fā)式進(jìn)化算法研究[D];西安電子科技大學(xué);2015年

7 熊霖;大數(shù)據(jù)下的數(shù)據(jù)選擇與學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2015年

8 周雷;基于圖結(jié)構(gòu)的目標(biāo)檢測與分割算法研究[D];上海交通大學(xué);2014年

9 王冰;人工蜂群算法的改進(jìn)及相關(guān)應(yīng)用的研究[D];北京理工大學(xué);2015年

10 周旭;復(fù)雜網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)算法研究[D];吉林大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 姚鑫宇;EMD去噪與MUSIC算法在DOA估計(jì)中的聯(lián)合應(yīng)用[D];昆明理工大學(xué);2015年

2 陸進(jìn);面向含噪數(shù)據(jù)聚類相關(guān)算法的研究[D];復(fù)旦大學(xué);2014年

3 李家昌;基于能量約束的超聲圖像自動分割算法[D];華南理工大學(xué);2015年

4 陳堅(jiān);基于密度和約束的數(shù)據(jù)流聚類算法研究[D];蘭州大學(xué);2015年

5 高健;基于Zynq7000平臺的去霧算法研究及實(shí)現(xiàn)[D];南京理工大學(xué);2015年

6 顧磊;基于Hadoop的聚類算法的數(shù)據(jù)優(yōu)化及其應(yīng)用研究[D];南京信息工程大學(xué);2015年

7 楊燕霞;基于Hadoop平臺的并行關(guān)聯(lián)規(guī)則挖掘算法研究[D];四川師范大學(xué);2015年

8 王羽;基于MapReduce的社區(qū)發(fā)現(xiàn)算法的設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

9 許振佳;流式數(shù)據(jù)的并行聚類算法研究[D];曲阜師范大學(xué);2015年

10 董琴;人工蜂群算法的改進(jìn)與應(yīng)用[D];大連海事大學(xué);2015年

，

本文編號：1409431