基于双麦克风的盲声源处理算法研究

发布时间：2017-07-05 21:01

  本文关键词：基于双麦克风的盲声源处理算法研究

  更多相关文章： 盲源分离 独立分量分析 双麦克风 稀疏性 二值时频掩蔽

【摘要】：早期人们对于语音信号盲分离的研究主要是基于麦克风阵列的研究,出现了很多优秀的算法,比如ICA算法、基于信号的稀疏性研究等。随着人们对于盲源分离研究的不断进步,人们发现人的双耳对于语音信号的识别作用更加神奇,因此越来越多的学者投身到这个新的方向上,为了能够模拟人耳的这种分离功能,他们采用双麦克风模拟人的双耳。目前对于双麦克风盲源分离的研究还没有取得实质性的进展,对于这种模型我们可以用盲源分离中的欠定模型进行研究,解决这种情况的主流算法是采用信号的稀疏性进行信号的分离。本文对基于双麦克风的盲源分离进行了研究,主要做了以下几方面的研究:1.重点分析比较了ICA的四大类独立性判断准则,极大化似然估计准则、最小化互信息准则、信息最大化准则以及极大化非高斯性准则。2.结合前面介绍的ICA算法和二值时频掩蔽(T-F BM),研究了正定双麦克风盲源分离算法。首先,把采集到的两路语音信号应用ICA算法进行初步分离,分离得到两路信号。其次,对这两路信号进行短时傅里叶变换(STFT),变换到频域过后,通过分离的信号得到二值时频掩蔽(T-F BM)矩阵。由于时频掩蔽会造成音乐噪声的产生,最后,我们采用倒谱平滑的技术对得到时频掩蔽进行平滑处理,利用平滑过后的掩蔽分离出源信号。通过仿真实验证明该算法分离出的信号更接近于真实的语音信号,并且性能上也得到了提升。3.针对欠定模型的双麦克风分离技术,提出了一种基于倒谱平滑的欠定双麦克风盲源分离算法。首先对输入的混合语音信号进行ICA分离,将分离的信号进行自适应非线性二值时频掩蔽处理,重复进行这两个步骤,直到分离出所有的源信号为止。将分离出的源信号再通过二值时频掩蔽合并以提高输出信号的质量,分离出的语音信号的双声道立体声效果仍然可以得到很好地保留。最后对分离出的所有源信号进行倒谱平滑处理,得到最终的分离信号。实验表明,该算法的性能比DUET算法和BLUES算法都要好,信噪比增益也得到了提高。
【关键词】：盲源分离 独立分量分析 双麦克风 稀疏性 二值时频掩蔽
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN912.3
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-15
• 1.1 研究背景和意义10-11
• 1.2 盲源分离模型11-12
• 1.3 研究现状及发展趋势12-14
• 1.4 本文主要工作14-15
• 第二章 语音信号处理相关理论15-26
• 2.1 语音信号的时域和频域分析15-19
• 2.1.1 语音信号的时域特性15-16
• 2.1.2 语音信号的频域特性16-17
• 2.1.3 语音的语谱图分析17-19
• 2.2 语音信号短时分析技术19-24
• 2.2.1 语音信号的预处理19-23
• 2.2.2 语音信号短时频域分析23-24
• 2.3 盲信号分离性能评估指标24-25
• 2.4 本章小结25-26
• 第三章 ICA算法研究26-40
• 3.1 引言26-29
• 3.2 ICA29-31
• 3.2.1 ICA的定义29-30
• 3.2.2 ICA的不确定性30
• 3.2.3 ICA描述30-31
• 3.3 ICA估计准则31-36
• 3.3.1 非高斯性度量准则31-34
• 3.3.2 最小互信息准则34-35
• 3.3.3 最大似然估计准则35-36
• 3.4 ICA预处理36-38
• 3.4.1 中心化36-37
• 3.4.2 白化处理37-38
• 3.5 仿真实验38-39
• 3.6 本章小结39-40
• 第四章 正定双麦克风盲源分离技术研究40-54
• 4.1 卷积混合盲源分离模型研究40-42
• 4.1.1 盲源分离数学模型40-41
• 4.1.2 卷积混合盲源分离41-42
• 4.1.3 时频掩蔽42
• 4.2 正定双麦克风盲源分离算法研究42-52
• 4.2.1 频域的卷积混合BSS43-44
• 4.2.2 卷积混合ICA和二值掩蔽44-46
• 4.2.3 掩蔽值的倒谱平滑46-48
• 4.2.4 算法仿真48-52
• 4.3 算法对比研究52-53
• 4.4 本章小结53-54
• 第五章 欠定双麦克风盲源分离技术研究54-70
• 5.1 引言54-56
• 5.2 用ICA和二值掩蔽提取盲源信号56-64
• 5.3 分离结束的判别标准64
• 5.4 倒谱平滑处理64-65
• 5.5 实验仿真65-69
• 5.6 本章小结69-70
• 第六章 总结与展望70-72
• 6.1 总结70-71
• 6.2 展望71-72
• 致谢72-73
• 参考文献73-78
• 攻硕期间取得的研究成果78-79

【相似文献】

中国期刊全文数据库 前10条

1 李广彪,张剑云,毛云祥;盲源分离的发展及研究现状[J];航天电子对抗;2004年06期

2 王昆;;盲源分离问题的分析研究[J];科技信息;2008年29期

3 柯维;张永祥;吕博;;基于微分进化算法的盲源分离[J];海军工程大学学报;2012年05期

4 林秋华,殷福亮;盲源分离自适应算法的统一形式[J];大连理工大学学报;2002年04期

5 刘海林;谢胜利;章晋龙;;微延迟病态卷积混叠盲源分离的可分性研究[J];计算机科学;2003年07期

6 吴微东,庄哲民;基于盲源分离的一种快速独立分量分析算法[J];汕头大学学报(自然科学版);2004年02期

7 郭松;孙云莲;;基于独立分量分析盲源分离快速算法[J];电子测量技术;2004年02期

8 丁铎,贾永强,王映民;一种基于峰度的盲源分离算法研究[J];现代电子技术;2005年14期

9 肖俊,何为伟;源信号数目大于观察信号数目情况下的盲源分离[J];现代电子技术;2005年11期

10 李广彪,张剑云,毛云祥;盲源分离中的非高斯性极大准则[J];舰船电子对抗;2005年05期

中国重要会议论文全文数据库 前10条

1 李舜酩;;转子振动信号的盲源分离研究[A];第三届全国虚拟仪器大会论文集[C];2008年

2 许林周;章新华;范文涛;;一种盲源分离后续去冗余方法[A];2009年全国水声学学术交流暨水声学分会换届改选会议论文集[C];2009年

3 韩少博;林京;吴文焘;;频域盲源分离中的一种稳健解排列模糊方法[A];中国声学学会2009年青年学术会议[CYCA’09]论文集[C];2009年

4 章林柯;何琳;江涌;;基于盲源分离的潜艇源识别信号去除干扰研究[A];第十一届船舶水下噪声学术讨论会论文集[C];2007年

5 康春玉;章新华;李军;;盲源分离与自适应滤波器结合抑制强干扰研究[A];2012'中国西部声学学术交流会论文集(Ⅱ)[C];2012年

6 周祥;樊涛;;基于盲源分离的储油罐底腐蚀混叠信号的识别与分离[A];第八届沈阳科学学术年会论文集[C];2011年

7 王颖翠;;一种基于自然梯度的卷积混合频域盲源分离算法[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

8 许策;章新华;高成志;;源数目估计对盲源分离算法影响分析[A];2007年全国水声学学术会议论文集[C];2007年

9 成谢锋;张仲;孙夏;;一种单路混合信号的盲源分离新方法[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 胡增辉;朱炬波;;基于盲源分离的波达角估计[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

中国博士学位论文全文数据库 前10条

1 张良俊;欠定盲源分离算法及其应用研究[D];武汉理工大学;2015年

2 徐先峰;利用参量结构解盲源分离算法研究[D];西安电子科技大学;2010年

3 王尔馥;盲源分离理论及其在通信系统中的应用[D];哈尔滨工业大学;2009年

4 李昌利;盲源分离的若干算法及应用研究[D];西安电子科技大学;2010年

5 高建彬;盲源分离算法及相关理论研究[D];电子科技大学;2012年

6 郭靖;盲源分离的时频域算法研究[D];重庆大学;2012年

7 张念;盲源分离理论及其在重磁数据处理中的应用研究[D];中国地质大学;2013年

8 刘建强;非平稳环境中的盲源分离算法研究[D];西安电子科技大学;2009年

9 李灯熬;基于循环平衡理论的盲源分离算法[D];太原理工大学;2010年

10 袁连喜;线性盲源分离算法的理论与应用研究[D];哈尔滨工程大学;2006年

中国硕士学位论文全文数据库 前10条

1 彭帆;多输入多输出系统盲源分离频域新方法的研究[D];汕头大学;2002年

2 程舒慧;动态盲源分离及其在生物医学信号处理中的应用研究[D];安徽大学;2011年

3 张政;基于独立分量分析的盲源分离算法优化研究[D];南京信息工程大学;2015年

4 高鹏;基于单通道盲源分离理论的故障特征提取技术[D];长安大学;2015年

5 姚鑫;基于EEMD的单通道盲源分离研究与应用[D];大连交通大学;2015年

6 张颖;低角雷达盲信号分离方法研究[D];河南师范大学;2015年

7 吴康锐;基于空间几何信息约束的欠定卷积盲源分离[D];南昌大学;2015年

8 李莽;盲源分离在信号探测中的应用[D];电子科技大学;2014年

9 宋继飞;噪声条件下欠定盲源分离算法研究[D];大连理工大学;2015年

10 甘一凡;基于盲源分离的车辆检测与分类技术研究[D];电子科技大学;2015年

，

本文编号：523546