基于张量联合对角化的非平稳源卷积盲分离研究

发布时间：2021-11-17 03:26

　　盲信号分离（Blind Source Separation）在很多领域有着广泛的应用。本研究提出一种类雅克比旋转的张量分解算法来提高源信号的分离性能。首先利用信号的自相关矩阵构造一系列张量,将盲信号分离问题转化为张量对角化问题,然后提出一种特殊参数结构代替Givens矩阵做类似雅可比连续旋转,估计对角矩阵,并求解了算法中参数的最优解。实验结果表明,该算法具有良好的分离效果。 

【文章来源】：黑龙江科学. 2020,11(16)

【文章页数】：6 页

【部分图文】：

实际声音信号的盲分离效果图

本实验中，仿真参数设置如下:STFT点数选择1024点，采用sine窗，每次移动半个窗长，噪声系数σn=0.01，信噪比取值范围0～15dB,100次独立运行实验，实验结果如图2所示。由图2可知，参与比较的三种算法(TD、CP-ALS和CBSS)在J-ISI性能上相接近，但TD算法在数据上要优于其他两种算法，从而说明了TD算法具有较好的算法精度，排列歧义也较少。


本文编号：3500100