【摘要】：信號(hào)的稀疏性常用來解決欠定盲信號(hào)分離問題,重建源信號(hào)的品質(zhì)依賴于信號(hào)的稀疏度;已有的基于稀疏分析的欠定盲分離方法對(duì)源信號(hào)的稀疏度要求極高,通常僅在源信號(hào)充分稀疏情況下才能取得理想的結(jié)果。另一方面,在很多實(shí)際應(yīng)用場(chǎng)景中,信號(hào)的稀疏度通常達(dá)不到那種理想的程度,導(dǎo)致已有的基于稀疏表示的欠定盲分離算法效果不理想,甚至得出錯(cuò)誤的結(jié)果,基于這樣的背景,本論文開展低稀疏度信號(hào)(即非完全稀疏或松弛稀疏)的欠定盲分離研究,意在改進(jìn)傳統(tǒng)經(jīng)典的源估計(jì)算法,提出了幾個(gè)適合于低稀疏度信號(hào)的盲分離和盲提取算法,具體有以下的貢獻(xiàn)。第一,最短路徑法、l1范數(shù)解和l0范數(shù)解是欠定盲信號(hào)分離中的經(jīng)典估計(jì)源信號(hào)算法,但是在低稀疏度的情形下,這些算法的性能出現(xiàn)了大幅度下降。為了解決此問題,論文利用信號(hào)的稀疏性和統(tǒng)計(jì)獨(dú)立性,提出了統(tǒng)計(jì)稀疏分解原則(SSDP),彌補(bǔ)了上述算法的不足之處,取得了好的效果。第二,兩步法是欠定盲信號(hào)分離最常用的方法。眾所周知:混疊矩陣估計(jì)是兩步法中的第一步。然而當(dāng)源數(shù)目很多或受背景噪聲干擾時(shí),傳統(tǒng)算法將無法完整估計(jì)混疊矩陣,致使源信號(hào)估計(jì)算法失效。為突破這一瓶頸問題,論文采用了一種新的策略,提出了低稀疏度情形下的欠定盲提取算法。該算法先采用單源區(qū)間方法估計(jì)出部分基矢量,后在不依賴其它基矢量的情況下,逐一地對(duì)基矢量所對(duì)應(yīng)的源進(jìn)行提取,解決了估計(jì)混疊矩陣的瓶頸問題。同時(shí),論文在理論上討論了欠定源提取的問題,證明了一個(gè)無偏差地提取源的必要條件。第三,在著名的DUET算法中有一個(gè)苛刻條件,即任意兩個(gè)源在時(shí)頻點(diǎn)上都互相交錯(cuò)不重疊。在低稀疏度信號(hào)的欠定盲信號(hào)分離中,因無法滿足這一苛刻條件而導(dǎo)致DUET算法的信噪比下降。為了克服其不足,并適用于低稀疏度的混疊信號(hào),論文采用了旋轉(zhuǎn)變換的方法改進(jìn)DUET算法。該旋轉(zhuǎn)變換是采用線性非奇異矩陣對(duì)混疊矩陣和混疊信號(hào)進(jìn)行線性變換。在旋轉(zhuǎn)變換中,又分為均衡混疊和非均衡混疊的兩種情形,采取兩種不同的旋轉(zhuǎn)變換方式,分別提出了Imp-DUET算法和BE-TFMask算法。這兩種算法均在變換混疊矩陣和混疊信號(hào)后,運(yùn)行DUET算法重建源信號(hào)。從理論和實(shí)驗(yàn)的結(jié)果表明,它們?cè)诘拖∈瓒鹊那樾蜗露既〉脙?yōu)于DUET算法的效果。在此之后,論文進(jìn)一步將欠定盲分離算法推廣到高斯噪聲和語(yǔ)音混疊問題的語(yǔ)音增強(qiáng)算法中,提出了基于時(shí)頻稀疏性的雙通道(TFS-DCSE)和單通道語(yǔ)音增強(qiáng)(TFS-SC SE)算法。與經(jīng)典的語(yǔ)音增強(qiáng)譜減法對(duì)比,我們的兩個(gè)算法不需要一小段的純凈噪聲來消除語(yǔ)音中的噪聲譜,去噪聲效果明顯,非常適合解決強(qiáng)高斯噪聲干擾問題。兩個(gè)算法的過程是:單通道語(yǔ)音增強(qiáng)TFS-SCSE算法,將帶噪語(yǔ)音按照奇偶順序抽樣成兩個(gè)子信號(hào),轉(zhuǎn)換成類似雙通道的語(yǔ)音增強(qiáng)模型。然后,利用高斯噪聲的低稀疏度特性,結(jié)合欠定的盲信號(hào)分離方法,采用閾值方法將帶噪語(yǔ)音的時(shí)頻區(qū)域分為重疊區(qū)和非重疊區(qū),后經(jīng)分析知,稀疏特性呈現(xiàn)在非重疊區(qū),語(yǔ)音與噪聲在非重疊區(qū)幾乎互相交錯(cuò),噪聲樣本點(diǎn)在散落圖中形成了一個(gè)“直角形”或“十字架”,經(jīng)過刪除這些噪聲樣本點(diǎn),實(shí)現(xiàn)了語(yǔ)音增強(qiáng)。以上的研究工作改進(jìn)了傳統(tǒng)經(jīng)典的欠定盲信號(hào)分離算法,解決了低稀疏度情形下欠定盲信號(hào)分離難題;開辟了語(yǔ)音增強(qiáng)的新道路,突破了強(qiáng)高斯噪聲干擾語(yǔ)音的困擾。
【圖文】：

1圖 1-1 雞尾酒會(huì)問題Fig.1-1 Cocktail party problem雞尾酒會(huì)問題在盲信號(hào)分離技術(shù)中非常重要，圖 1-1 是一個(gè)雞尾酒會(huì)活動(dòng)場(chǎng)面酒會(huì)活動(dòng)中，，通常很多人互相高聲論談、聲音混雜，如何分離用麥克風(fēng)現(xiàn)場(chǎng)采語(yǔ)音信號(hào)？眾所周知，即使雞尾酒會(huì)活動(dòng)環(huán)境噪聲干擾嚴(yán)重，人們也仍然能夠交流的聲音。但現(xiàn)場(chǎng)采集的混疊語(yǔ)音，通常人耳是無法分辨的。該現(xiàn)象被科學(xué)，歸結(jié)為一個(gè)科學(xué)問題，即“盲信號(hào)分離”問題。

華南理工大學(xué)博士學(xué)位論文、地球物理數(shù)據(jù)信號(hào)等領(lǐng)域。①盲信號(hào)分離技術(shù)在語(yǔ)音信號(hào)處理的應(yīng)用為了更好地描述語(yǔ)音信號(hào)的盲信號(hào)分離，參看混疊與分離的模型(圖 1-2)。在圖，圖的左邊是 7 個(gè)語(yǔ)音信號(hào)，包括了汽車聲、鋼琴聲、電視聲、講話聲等多種聲音合，中間是 7 個(gè)麥克風(fēng)采集混疊信號(hào)，右邊表示分離的 7 個(gè)語(yǔ)音信號(hào)。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 包云飛;張偉川;武飛;張立;;獨(dú)立分量分析研究[J];四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年03期

2 白琳;陳豪;;一種新的基于偽提取矢量的欠定盲分離方法[J];計(jì)算機(jī)科學(xué);2010年11期

3 畢曉君;宮汝江;;基于混合聚類和網(wǎng)格密度的欠定盲矩陣估計(jì)[J];系統(tǒng)工程與電子技術(shù);2012年03期

4 何春蘭;萬哲;;局部充分稀疏的欠定時(shí)盲信號(hào)源分離[J];廣東工業(yè)大學(xué)學(xué)報(bào);2008年04期

5 楊杰;俞文文;田昊;關(guān)珍貞;;基于獨(dú)立分量分析的欠定盲源分離方法[J];振動(dòng)與沖擊;2013年07期

6 冷洪勇;郭文強(qiáng);張明君;;小波域欠定盲圖像混合矩陣估計(jì)研究[J];信息通信;2013年04期

7 宋英;;基于稀疏特性的欠定盲分離矩陣A的估計(jì)方法[J];機(jī)械工程與自動(dòng)化;2010年06期

8 肖明;孫功憲;呂俊;;松弛稀疏性條件下的欠定盲分離[J];計(jì)算機(jī)工程;2010年12期

9 陸鳳波;黃知濤;姜文利;;一種時(shí)頻混疊的欠定混合通信信號(hào)盲分離算法[J];國(guó)防科技大學(xué)學(xué)報(bào);2010年05期

10 劉琨;杜利民;王勁林;;基于時(shí)頻域單源主導(dǎo)區(qū)的盲源欠定分離方法[J];中國(guó)科學(xué)(E輯:信息科學(xué));2008年08期

相關(guān)會(huì)議論文 前1條

1 鞏俊;馬曉紅;;一種基于孤立點(diǎn)檢測(cè)的欠定盲辨識(shí)方法[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

相關(guān)博士學(xué)位論文 前5條

1 周俊;機(jī)械故障信號(hào)欠定源估計(jì)與盲提取方法研究[D];昆明理工大學(xué);2015年

2 杜健;欠定盲源分離和PCMA信號(hào)盲分離技術(shù)研究[D];解放軍信息工程大學(xué);2014年

3 孫功憲;低稀疏度情形下的欠定混疊盲分離研究[D];華南理工大學(xué);2016年

4 張燁;欠定混合信號(hào)的盲分離[D];上海大學(xué);2009年

5 陸鳳波;復(fù)雜電磁環(huán)境下的欠定盲源分離技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 杜晶晶;欠定和單通道條件下混合信號(hào)定階技術(shù)研究[D];電子科技大學(xué);2009年

2 徐寧;欠定半盲分離方法與應(yīng)用研究[D];大連理工大學(xué);2007年

3 冷洪勇;基于信號(hào)特征條件約束的欠定盲源分離技術(shù)研究[D];新疆大學(xué);2013年

4 隗雪梅;基于語(yǔ)音稀疏性的欠定信號(hào)盲分離研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

5 張?chǎng)?欠定盲源分離技術(shù)研究[D];西安電子科技大學(xué);2009年

6 王放;稀疏分量分析的欠定盲分離算法研究[D];湖南大學(xué);2012年

7 李振濤;線性混合欠定盲分離算法研究[D];太原理工大學(xué);2015年

8 魏亮生;基于矩陣對(duì)角率的欠定盲分離技術(shù)研究[D];大連理工大學(xué);2013年

9 朱東巖;弱稀疏信號(hào)欠定盲分離技術(shù)的研究[D];大連理工大學(xué);2011年

10 姚楚君;基于稀疏表示的欠定混疊盲信號(hào)分離算法研究[D];廣東工業(yè)大學(xué);2008年

本文編號(hào)：2556697