發(fā)布時間：2024-03-22 21:37

　　盲分離是一種不需要源信號與傳輸信道提供先驗信息,僅依靠觀測到的混合數(shù)據(jù)就可以很好地還原出源信號的算法。該方法不僅可以應(yīng)用于圖像、醫(yī)學(xué)信號處理,而且在聲信號的處理尤其是雙耳助聽器中得到了廣泛的應(yīng)用。盲分離在助聽器中主要用以語音增強,其能夠利用自身算法的特點即在不知道麥克風(fēng)陣列分布、信道傳輸特性并且不破壞其他聲源雙耳間線索的情況下,保持目標(biāo)聲源雙耳間的線索。然而,由于盲分離算法自身的復(fù)雜度比較高,與助聽器對芯片低功耗低時延的要求不一致,因此為了讓盲分離在助聽器中發(fā)揮更大的應(yīng)用價值,首先要做的就是想辦法降低盲聲源分離的復(fù)雜度。為了更好地解決盲源分離中的高復(fù)雜度問題,本文從頻域出發(fā)提出了一種基于多標(biāo)準(zhǔn)融合的快速BSS算法。本文首先介紹了利用盲聲源分離將源信號從混合信號中恢復(fù)出來的整個流程,并對其中各個階段采用的方法以及其復(fù)雜度進行了詳細(xì)的描述。其次,詳細(xì)介紹了文中提出的基于多標(biāo)準(zhǔn)融合的頻點篩選快速BSS算法。頻點篩選方法的基本思想為讓小部分的頻點由ICA算法不斷迭代更新求解分離矩陣,剩余頻點的分離陣通過其他復(fù)雜度低的方法來獲得。本文提出的新的算法,在選擇由ICA算法迭代求解分離陣的頻點時,綜合...

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－２?ＢＳＳ算法用于語音信號的分離??

“雞尾酒會”是ＢＳＳ中一個重要的例子，ＢＳＳ算法可以在沒有陣列幾何??信息與源信號的一些信息的情況下，從各種嘈雜的人聲中，恢復(fù)出目標(biāo)語音信號，??實現(xiàn)與人耳相似的功能，簡單的分離過程如圖１－２所示，??源信號１?第一路觀測信號?恢復(fù)的源信號１??１▽誦?Ｋｌｉ??圖１－２?ＢＳＳ....

圖２－２兩路語音信號的混合、解混波形??ＩＣＡ的解混功能如何可以使用以下兩種指標(biāo)來衡量

?排序發(fā)生變化后的混合參數(shù)與源信號。由此可見，僅根據(jù)觀測信號，是無法判斷??各分量與每個源信號之間的對應(yīng)關(guān)系。圖２－２中展示了?＃?＝?Ｍ＝２時，源信號、混??迭信號以及由ＩＣＡ估計出的源信號，由圖２－２（ａ）與〇〇的對比可以看到，第一個通??道恢復(fù)出的信號為源信號２，第二個通道....

圖３－１頻域ＢＳＳ算法的分離流程??３．１?ＳＴＦＴ以及逆變換??

點上的分離陣；（３）考慮到排列、幅值模糊性是ＩＣＡ中固有的不確定性，因此后續(xù)??對這兩個問題進行解決；（４）經(jīng)ＩＳＴＦＴ，將還原出的信號變換為時域信號即可。分??離過程如圖３－１所示。??ｗ?ｉ?＾?■＊—??混合?Ａ分離??信號＋?丨信號??短時傅里葉變換?逆短時傅里葉變換??....

圖３－２時長為３ｓ的語音信號的波形圖??

圖３－２時長為３ｓ的語音信號的波形圖??分幀有兩種方法，一種是前一幀與后一幀之間沒有任何的交疊，另一種是前??后兩幀之間存在重疊區(qū)域，如圖３－３所示。目前常用的是第二種方法，因為存在重??疊區(qū)域的這種分幀方法，不僅可以將信號劃分為若干個時間段而且還能保存信號??間的連續(xù)性。在本文....

本文編號：3934986