基于非负张量分解的多通道音频信号盲分离研究

发布时间：2017-10-17 14:29

  本文关键词：基于非负张量分解的多通道音频信号盲分离研究

  更多相关文章： 欠定盲信号分离 非负矩阵分解 平行因子模型 非负张量分解 混合矩阵估计

【摘要】：盲信号分离(Blind Signals Separation:BSS)是指在对源信号和混合系统的先验知识了解很少的情况下,仅根据观测信号恢复出源信号的过程。混合音频信号的分离是盲信号分离技术研究的初衷,也是信号处理领域的一个难点,近年来最常见的音乐信号的分离获得了极大关注,在计算机自动识谱、旋律提取、音乐信息检索、高效音乐编码等技术中都有重要应用。本文主要研究线性瞬时混合的多通道欠定音乐信号的盲分离,提出了基于平行因子模型的非负张量分解算法。首先简要介绍了非负矩阵分解(Nonnegative Matrix Factorization,NMF)的三种方法,分析了NMF算法的原理。然后将NMF算法的思想拓展应用到三阶的张量分解中,将线性瞬时混合的多通道音乐信号模型转换为平行因子模型,并分析得出该模型非负张量分解的乘法迭代公式,完成信号的分离。一般的盲信号分离是先将混合信号分离,再利用聚类算法恢复出源信号,聚类算法增加了复杂度,也直接影响分离的效果。本文在非负张量分解的基础上提出了采用标记矩阵的聚类的非负张量分解算法,使观测信号在分离的同时完成聚类,分离算法更简单高效。接下来利用音乐信号在时频域的稀疏性,对非负张量分解算法进行改进。首先分析时频单源点检测的方法,再利用分层聚类算法预先估计混合矩阵,将估计出的混合矩阵直接应用到非负张量分解算法中。估计混合矩阵可以先确定各个源信号混合的比例,并能减少分离结果的随机性,使得分离算法的效果更佳。最后与常见的稀疏成分分析法进行对比,根据仿真结果本论文提出的方法分离效果更佳。
【关键词】：欠定盲信号分离 非负矩阵分解 平行因子模型 非负张量分解 混合矩阵估计
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN912.3
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 绪论8-12
• 1.1 研究背景及意义8-9
• 1.2 国内外研究现状9-10
• 1.3 本文内容安排10-12
• 第二章 非负矩阵分解算法及原理12-20
• 2.1 非负矩阵分解算法简介12-14
• 2.2 KL散度、IS散度的概念14-15
• 2.3 IS-NMF算法的原理15-17
• 2.3.1 IS-NMF迭代公式推导15-17
• 2.3.2 乘法更新迭代的本质17
• 2.4 三种NMF算法的特性比较17-18
• 2.5 本章小结18-20
• 第三章 音频盲分离基础20-28
• 3.1 音频信号的特性20
• 3.2 盲信号分离的模型20-23
• 3.3 IS-NMF的概率解释23-24
• 3.4 音频盲分离的评价标准24-25
• 3.5 本章小结25-28
• 第四章 非负张量音频盲分离28-46
• 4.1 非负张量分解基础28-30
• 4.2 PARAFAC非负张量分解算法30-33
• 4.2.1 PARAFAC分解模型30-31
• 4.2.2 非负张量分解算法31-33
• 4.3 聚类的非负张量分解33-36
• 4.4 音频盲分离仿真36-44
• 4.4.1 音频分离的信号源36-39
• 4.4.2 音频盲分离仿真过程39-40
• 4.4.3 音频盲分离结果分析40-44
• 4.5 本章小结44-46
• 第五章 预先估计混合矩阵的非负张量分解46-60
• 5.1 时频单源点的检测46-49
• 5.2 混合矩阵的估计方法49-51
• 5.2.1 分层聚类法估计混合矩阵49-50
• 5.2.2 时频单源点方法优化50-51
• 5.3 预先估计混合矩阵的非负张量分解51-57
• 5.3.1 混合矩阵估计仿真51-54
• 5.3.2 预先估计混合矩阵的NTF盲分离仿真54-57
• 5.4 稀疏成分分析法对比57-59
• 5.5 本章小结59-60
• 第六章 总结与展望60-62
• 6.1 本文研究内容总结60-61
• 6.2 未来研究工作展望61-62
• 致谢62-64
• 参考文献64-68
• 攻读学位期间发表论文及参与项目68

【相似文献】

中国期刊全文数据库 前10条

1 张洪渊,贾鹏,史习智;互累积量迫零法信号源盲分离[J];上海交通大学学报;2001年08期

2 王惠刚,梁红,李志舜;具有任意分布时间相关源的盲分离自适应算法[J];西北工业大学学报;2003年06期

3 史晓非,黄耀P,梁德群,刘人杰;一种盲分离技术在信息处理中的应用[J];大连海事大学学报;2005年02期

4 冯丹凤;王海燕;;基于盲分离技术的双目标辨识与定位方法研究[J];声学与电子工程;2006年01期

5 赵文红;王巍;;求解单通道盲分离问题的一种新方法[J];计算机科学;2013年S1期

6 张洪渊,.戴小明,史习智;一种功能增强的信号源盲分离新算法[J];振动工程学报;2002年02期

7 吴祖峰;葛丽;李刚;;传感器个数及距离对盲分离影响的分析[J];电子科技大学学报;2006年02期

8 刘芳;张燕妮;;基于奇异值降维的胎心电盲分离方法[J];中国医学物理学杂志;2013年06期

9 王惠刚,梁红,李志舜;任意信号源的盲分离[J];信号处理;2002年02期

10 贾鹏,丛丰裕,史习智;杂系混合信号的盲分离[J];上海交通大学学报;2004年02期

中国重要会议论文全文数据库 前10条

1 王惠刚;梁红;李志舜;;盲分离的模糊性[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

2 姜华;秦志峰;钱进;;一种频域盲分离技术及其性能分析[A];中国声学学会2002年全国声学学术会议论文集[C];2002年

3 刘坚;陆佶人;;一种基于遗传算法的盲分离方法[A];中国声学学会2003年青年学术会议[CYCA'03]论文集[C];2003年

4 綦敦浩;章新华;范文涛;;水声信号盲分离排序算法[A];2011'中国西部声学学术交流会论文集[C];2011年

5 姚毅;贾金玲;姚娅川;;盲分离技术在识别生物信号中的应用[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 夏斌;;基于独立剩余量的图像盲分离[A];2007第三届中国智能交通年会论文集[C];2007年

7 钟伯成;;信息极大ICA算法的动态盲分离研究[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集（下）[C];2008年

8 王燕妮;马铁华;;盲分离技术在智能化引信中的应用研究[A];第三届全国信息获取与处理学术会议论文集[C];2005年

9 刘娜;郭建中;;Infomax算法对调幅信号盲分离效果的分析[A];第二届西安-上海两地声学学术会议论文集[C];2011年

10 蔡秋芳;李国辉;杨海滨;;基于时频非交叠性的语音盲分离[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

中国重要报纸全文数据库 前1条

1 本报记者 滕继濮;盲分离：不想要的信号“非诚勿扰”[N];科技日报;2010年

中国博士学位论文全文数据库 前10条

1 蔡坤;胎儿心电信号的盲分离研究[D];华南理工大学;2011年

2 张安清;盲分离技术及其在水声信号中的应用研究[D];大连理工大学;2006年

3 丛丰裕;面向目标感知的盲信号处理算法研究[D];上海交通大学;2007年

4 杨祖元;盲信号分离算法分析与应用研究[D];华南理工大学;2009年

5 周勃;基于盲分离的空调机组故障振声诊断研究[D];沈阳工业大学;2008年

6 高峰;欠定松弛稀疏信号的盲分离研究[D];华南理工大学;2012年

7 赵宇峰;单通道时频混叠通信信号盲分离研究[D];中国科学技术大学;2015年

8 黄青华;基于源信号模型的盲分离技术研究及应用[D];上海交通大学;2007年

9 王翔;通信信号盲分离方法研究[D];国防科学技术大学;2013年

10 张袁元;车辆多相关振动噪声源及其路径识别方法研究[D];南京航空航天大学;2013年

中国硕士学位论文全文数据库 前10条

1 薛鞑;基于神经网络的发动机振动信号的盲分离研究[D];中国地质大学(北京);2015年

2 范晓艳;基于差分进化算法的置换混叠图像盲分离[D];河南师范大学;2015年

3 庞盟盟;基于单通道盲分离的抗干扰技术研究[D];电子科技大学;2014年

4 王秀林;多集合信号联合盲分离方法研究[D];大连理工大学;2015年

5 马欢;基于粒子滤波的同频数字混合信号单通道盲分离技术研究[D];解放军信息工程大学;2014年

6 王珊;基于非负张量分解的多通道音频信号盲分离研究[D];东南大学;2015年

7 查君君;盲分离技术的研究及其在缺陷信号处理中的应用[D];合肥工业大学;2007年

8 何真强;基于极大似然法的信号源盲分离[D];北京交通大学;2012年

9 李雯雯;混响背景下盲分离方法的研究[D];哈尔滨工程大学;2013年

10 孙庆瑞;通信信号的单通道盲分离技术研究[D];西安电子科技大学;2013年

，

本文编号：1049358