盲分離是一種不需要源信號(hào)與傳輸信道提供先驗(yàn)信息,僅依靠觀測(cè)到的混合數(shù)據(jù)就可以很好地還原出源信號(hào)的算法。該方法不僅可以應(yīng)用于圖像、醫(yī)學(xué)信號(hào)處理,而且在聲信號(hào)的處理尤其是雙耳助聽(tīng)器中得到了廣泛的應(yīng)用。盲分離在助聽(tīng)器中主要用以語(yǔ)音增強(qiáng),其能夠利用自身算法的特點(diǎn)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(tīng)器對(duì)芯片低功耗低時(shí)延的要求不一致,因此為了讓盲分離在助聽(tīng)器中發(fā)揮更大的應(yīng)用價(jià)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(wèn)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(hào)從混合信號(hào)中恢復(fù)出來(lái)的整個(gè)流程,并對(duì)其中各個(gè)階段采用的方法以及其復(fù)雜度進(jìn)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(diǎn)篩選快速BSS算法。頻點(diǎn)篩選方法的基本思想為讓小部分的頻點(diǎn)由ICA算法不斷迭代更新求解分離矩陣,剩余頻點(diǎn)的分離陣通過(guò)其他復(fù)雜度低的方法來(lái)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(diǎn)時(shí),綜合...

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－２?ＢＳＳ算法用于語(yǔ)音信號(hào)的分離??

“雞尾酒會(huì)”是ＢＳＳ中一個(gè)重要的例子，ＢＳＳ算法可以在沒(méi)有陣列幾何??信息與源信號(hào)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(yǔ)音信號(hào)，??實(shí)現(xiàn)與人耳相似的功能，簡(jiǎn)單的分離過(guò)程如圖１－２所示，??源信號(hào)１?第一路觀測(cè)信號(hào)?恢復(fù)的源信號(hào)１??１▽誦?Ｋｌｉ??圖１－２?ＢＳＳ....

圖２－２兩路語(yǔ)音信號(hào)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(lái)衡量

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

圖３－１頻域ＢＳＳ算法的分離流程??３．１?ＳＴＦＴ以及逆變換??

點(diǎn)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(duì)這兩個(gè)問(wèn)題進(jìn)行解決；（４）經(jīng)ＩＳＴＦＴ，將還原出的信號(hào)變換為時(shí)域信號(hào)即可。分??離過(guò)程如圖３－１所示。??ｗ?ｉ?＾?■＊—??混合?Ａ分離??信號(hào)＋?丨信號(hào)??短時(shí)傅里葉變換?逆短時(shí)傅里葉變換??....

圖３－２時(shí)長(zhǎng)為３ｓ的語(yǔ)音信號(hào)的波形圖??

圖３－２時(shí)長(zhǎng)為３ｓ的語(yǔ)音信號(hào)的波形圖??分幀有兩種方法，一種是前一幀與后一幀之間沒(méi)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?yàn)榇嬖谥??疊區(qū)域的這種分幀方法，不僅可以將信號(hào)劃分為若干個(gè)時(shí)間段而且還能保存信號(hào)??間的連續(xù)性。在本文....

本文編號(hào)：3934986