發(fā)布時間：2019-11-06 11:42

【摘要】：信號的稀疏性常用來解決欠定盲信號分離問題,重建源信號的品質(zhì)依賴于信號的稀疏度;已有的基于稀疏分析的欠定盲分離方法對源信號的稀疏度要求極高,通常僅在源信號充分稀疏情況下才能取得理想的結(jié)果。另一方面,在很多實際應(yīng)用場景中,信號的稀疏度通常達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,甚至得出錯誤的結(jié)果,基于這樣的背景,本論文開展低稀疏度信號(即非完全稀疏或松弛稀疏)的欠定盲分離研究,意在改進傳統(tǒng)經(jīng)典的源估計算法,提出了幾個適合于低稀疏度信號的盲分離和盲提取算法,具體有以下的貢獻。第一,最短路徑法、l1范數(shù)解和l0范數(shù)解是欠定盲信號分離中的經(jīng)典估計源信號算法,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,論文利用信號的稀疏性和統(tǒng)計獨立性,提出了統(tǒng)計稀疏分解原則(SSDP),彌補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分離最常用的方法。眾所周知:混疊矩陣估計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,傳統(tǒng)算法將無法完整估計混疊矩陣,致使源信號估計算法失效。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)間方法估計出部分基矢量,后在不依賴其它基矢量的情況下,逐一地對基矢量所對應(yīng)的源進行提取,解決了估計混疊矩陣的瓶頸問題。同時,論文在理論上討論了欠定源提取的問題,證明了一個無偏差地提取源的必要條件。第三,在著名的DUET算法中有一個苛刻條件,即任意兩個源在時頻點上都互相交錯不重疊。在低稀疏度信號的欠定盲信號分離中,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,論文采用了旋轉(zhuǎn)變換的方法改進DUET算法。該旋轉(zhuǎn)變換是采用線性非奇異矩陣對混疊矩陣和混疊信號進行線性變換。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后,運行DUET算法重建源信號。從理論和實驗的結(jié)果表明,它們在低稀疏度的情形下都取得優(yōu)于DUET算法的效果。在此之后,論文進一步將欠定盲分離算法推廣到高斯噪聲和語音混疊問題的語音增強算法中,提出了基于時頻稀疏性的雙通道(TFS-DCSE)和單通道語音增強(TFS-SC SE)算法。與經(jīng)典的語音增強譜減法對比,我們的兩個算法不需要一小段的純凈噪聲來消除語音中的噪聲譜,去噪聲效果明顯,非常適合解決強高斯噪聲干擾問題。兩個算法的過程是:單通道語音增強TFS-SCSE算法,將帶噪語音按照奇偶順序抽樣成兩個子信號,轉(zhuǎn)換成類似雙通道的語音增強模型。然后,利用高斯噪聲的低稀疏度特性,結(jié)合欠定的盲信號分離方法,采用閾值方法將帶噪語音的時頻區(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),語音與噪聲在非重疊區(qū)幾乎互相交錯,噪聲樣本點在散落圖中形成了一個“直角形”或“十字架”,經(jīng)過刪除這些噪聲樣本點,實現(xiàn)了語音增強。以上的研究工作改進了傳統(tǒng)經(jīng)典的欠定盲信號分離算法,解決了低稀疏度情形下欠定盲信號分離難題;開辟了語音增強的新道路,突破了強高斯噪聲干擾語音的困擾。
【圖文】：

1圖 1-1 雞尾酒會問題Fig.1-1 Cocktail party problem雞尾酒會問題在盲信號分離技術(shù)中非常重要，圖 1-1 是一個雞尾酒會活動場面酒會活動中，，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)場采語音信號？眾所周知，即使雞尾酒會活動環(huán)境噪聲干擾嚴重，人們也仍然能夠交流的聲音。但現(xiàn)場采集的混疊語音，通常人耳是無法分辨的。該現(xiàn)象被科學(xué)，歸結(jié)為一個科學(xué)問題，即“盲信號分離”問題。

華南理工大學(xué)博士學(xué)位論文、地球物理數(shù)據(jù)信號等領(lǐng)域。①盲信號分離技術(shù)在語音信號處理的應(yīng)用為了更好地描述語音信號的盲信號分離，參看混疊與分離的模型(圖 1-2)。在圖，圖的左邊是 7 個語音信號，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 個麥克風(fēng)采集混疊信號，右邊表示分離的 7 個語音信號。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TN911.7

【相似文獻】

相關(guān)期刊論文 前10條

1 包云飛;張偉川;武飛;張立;;獨立分量分析研究[J];四川理工學(xué)院學(xué)報(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];計算機科學(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[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盲信號源分離[J];廣東工業(yè)大學(xué)學(xué)報;2008年04期

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

6 冷洪勇;郭文強;張明君;;小波域欠定盲圖像混合矩陣估計研究[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的估計方法[J];機械工程與自動化;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];計算機工程;2010年12期

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

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

相關(guān)會議論文 前1條

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

相關(guān)博士學(xué)位論文 前5條

1 周俊;機械故障信號欠定源估計與盲提取方法研究[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;基于語音稀疏性的欠定信號盲分離研究[D];中國科學(xué)技術(shù)大學(xué);2014年

5 張鑫;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分離算法研究[D];廣東工業(yè)大學(xué);2008年

本文編號：2556697