基于稀疏表示的欠定语音盲源分离算法研究

发布时间：2023-04-09 14:20

　　随着信息技术的发展,盲源分离逐渐成为了信号处理领域至关重要的研究技术,其主要针对在源信号及混合参数都未知的情况下,仅依据观测信号分离出源信号。根据源信号数目和观测信号数目的大小关系,可将盲源分离依次分为超定、正定和欠定三种情况。近年来,首先由于在欠定条件下源信号数目多于观测信号数目,最符合实际应用情况的,其研究应用价值最大,其次由于超定和正定条件下的盲源分离技术已经非常成熟,具备了向更难的欠定问题进军的条件。因此欠定条件下的盲源分离技术成为了当下的研究重点。本文选择了欠定盲源分离问题的线性瞬时混合模型,采用了基于稀疏分量分析的“两步法”,并分别针对“两步法”中的混合矩阵估计和源信号重构的算法进行研究改进,主要包括以下二个方面:(1)提出基于WE-FCM混合聚类的混合矩阵估计。针对传统的模糊C均值聚类(FCM)算法所存在的对初始聚类中心敏感,易陷入局部最优,易受噪声点干扰等缺陷,提出一种基于WE-FCM混合聚类的混合矩阵估计算法。所提算法首先利用进化规划算法估计出初始聚类中心,避免了因人为给定初始聚类中心而陷入局部最优,而后将局部离群点检测算法所得的离群点因子应用于FCM算法的目标函数和...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题的研究背景及意义
    1.2 课题的研究现状
    1.3 研究的内容与主要工作
2 欠定盲源分离理论
    2.1 欠定盲源分离的数学模型和先验假设
        2.1.1 欠定盲源分离数学模型
        2.1.2 欠定盲源分离先验假设
    2.2 稀疏分量分析理论
        2.2.1 信号的稀疏表示
        2.2.2 稀疏变换方法
        2.2.3 稀疏分量分析的算法步骤
    2.3 混合矩阵估计
        2.3.1 K-means算法
        2.3.2 势函数法
        2.3.3 混合矩阵评价准则
    2.4 源信号重构
        2.4.1 压缩感知模型
        2.4.2 源信号重构评价准则
    2.5 本章小结
3 基于WE-FCM算法的混合矩阵估计
    3.1 信号的预处理
        3.1.1 时频单源点检测
        3.1.2 信号归一化
    3.2 模糊C均值聚类算法
    3.3 基于WE-FCM算法的混合矩阵估计
        3.3.1 进化规划算法
        3.3.2 EP-FCM算法
        3.3.3 离群点检测算法
        3.3.4 WE-FCM算法
    3.4 实验仿真
    3.5 本章小结
4 基于贪婪双稀疏字典的源信号重构
    4.1 字典学习算法
        4.1.1 KSVD字典学习算法
        4.1.2 DSKSVD字典学习算法
        4.1.3 贪婪双稀疏字典学习算法
    4.2 基于压缩感知的重构算法
        4.2.1 BP算法
        4.2.2 OMP算法
        4.2.3 改进的OMP算法
    4.3 基于GDSD字典学习的源信号重构
    4.4 实验仿真
    4.5 本章小结
5 总结与展望
    5.1 论文总结
    5.2 未来展望
致谢
参考文献
攻读学位期间的研究成果



本文编号：3787163