低间距频域独立成分分析

发布时间：2020-06-12 05:00

【摘要】：心脑血管疾病已经成为人类最重要的杀手之一,听力功能障碍也成为影响人们正常学习生活的重要疾病之一。将盲源分离系统应用于听诊系统或者助听器中都可以在很大程度上提高医疗水平或者生活质量。在语音信号处理中,当信号片段足够短时,通常认为信号是稳态的,可以应用盲源分离及相关算法。对于语音信号的盲源分离算法一般包含时域方法与频域方法两大类别算法。由于时域方法计算复杂、计算量较大,所以通常使用频域方法。通过对传统独立成分分析算法每个步骤进行复杂度分析,复杂度主要是受到信号长度,频点数目与ICA算法迭代算法收敛速度三方面的影响。那么为了降低算法复杂度可以从减少迭代的频点数目和加快ICA迭代算法两个角度。本文选用减少迭代的频点数目这个角度进行研究。现阶段提出的频域独立成分分析都是针对小间距的,对于距离类似于人双耳间距的情况,由于会产生空间混叠现象,所以并不适用。介绍经典的频域独立成分分析算法。将BSS算法应用在语音信号中时,由于我们需要对时域信号进行傅立叶变换,所以得到的频域信息均含有虚部,即在频域BSS算法中需要使用ICA算法的复数形式。由此引出对复数ICA算法的介绍。由于对于语音信号的ICA算法都会产生两个不确定性问题,所以经典频域BSS算法也需要解决这两个不确定性问题。并且给出一些列的语音质量的评价指标,用于作为语音分离性能评价的标准。ICA算法采用FastICA和量化自然梯度算法相结合的算法,通过大量的实验证明传统的频域独立成分分析算法拥有良好的分离性能,但是也发现了其复杂度相对较高的问题。针对这个问题,对算法的步骤进行相应的分析,确定算法的复杂度主要集中在ICA迭代过程中,所以本文将研究方向定位于减少迭代频点的方向上。在传统频域独立成分分析算法的基础上,将传统算法中将所有频点进行分离的这一步改为分两段进行频点选择。第一段频点选择以协方差矩阵行列式作为分类频点的依据,将大于标准值的频点作为初选点,其余点作为未选点。经过大量实验可以发现,只经过一段频点选择,会出现选出的初选点有一些频点会偏离实际值的,有一定的误差性。所以引入第二段离群算法,对第一次选出的初选点进行二次筛选,选出的点作为最终的初选频点,其余的点作为为选点。经过上述的流程,通过实验验证,发现可以在优化分离性能的前提下,大幅度降低算法的复杂度在文中引入互信息的概念,将第一阶段的初选频点选择的标准替换为互信息,当互信息越小,说明随机变量之间所携带的互信息越小。通过实验证明当引入互信息为标准时,相比原来以行列式的值为标准,复杂度有所增加,但是其他的分离指标有较大程度的提高。最后对两种引入标准进行分析,确定了给出了两种标准分别适用的情形。
【图文】：

系统框图,系统框图

图 2-1 BSS 系统框图音源可以符合 BSS 模型的使用要求，需要对整个系统的合理性假设：1.假设系统不存在噪声或者噪声微弱到讨论的为低间距下的助听模型，实际上通常为有线的情计。2.假设观测信号数目等于声源信号数，即认为分离信号数目大于声源数目，所提取的矩阵为超定矩阵，可号进行降维，那么问题转化为正定矩阵，而后再应用正双耳模型，则观测信号为 2，那么观测信号数小于声源需要讨论的。同的假设条件下可以抽象为不同的模型，抽象的模型从卷积混合模型俩类。当卷积混合模型的各种假设条件瞬时混合模型。卷积混合模型中不仅包含了信号传送的信号能量递减和延迟，同样也包含了环境对于信号的号的反射与混合，所以卷积模型更加符合现实场景的情

波形图,源信号,混合信号,波形图

述列的波形图经过对比可以看出，，（1）独立成分分析算法分离性能比较好。由于真原则，所以可以看出源信号与分离信号获得对于语音信号更加精确的量化数据，价指标对分离质量进行量化比较。在仿真音，进行多次实验。采用 SIR、SDR、S算法的分离性能，同时记录实验过程中所下表表示了在各个声源位置记录的实验结表所记录的实验数据中可以作出判断，分音质量角度来看，传统频域独立分析算法真实验均是在相同的设备上，并且采用的流程所耗费的时间作为判断算法复杂度的
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN912.3;R764.5

【参考文献】