基于萤火虫算法的语音信号盲源分离研究

发布时间：2017-10-05 13:45

  本文关键词：基于萤火虫算法的语音信号盲源分离研究

  更多相关文章： 盲源分离 萤火虫算法 语音信号

【摘要】：盲源分离问题一直以来都是数字信号处理领域的研究热点,而经过研究者们多年来的共同努力,已经有多种有效的算法被提出并且成功运用到图像处理、语音增强、医学信号处理等领域。盲源分离算法主要分为独立性判据和优化算法两个部分。传统的盲源分离算法在使用优化算法对由独立性判据构成目标函数进行优化时,分离的结果往往受初值和非线性函数的影响,导致算法的鲁棒性较差。为了解决上述的问题,研究者们将一些智能优化算法引入到盲源分离中,比如粒子群算法和鱼群算法等,通过优胜劣汰的方式对目标函数进行优化并且取得了不错的效果。萤火虫算法作为一种新兴的智能群优化算法,具有概念简单、流程简明以及较少的调整参数等特点,已经在诸多的领域取得了应用。因此可以尝试将萤火虫算法引入盲源分离问题中来。针对盲源分离算法和萤火虫算法的主要特征,本文的主要的工作有:(1)首先系统地介绍了盲源分离的理论基础,包括盲源分离的数学模型和假设条件以及对分离信号不确定性的分析。以传统的盲源分离方法作为重点,研究了几种常用的独立性判据和盲源分离算法,分析比较了它们的特点,最后还介绍了盲源分离的性能评价指标。(2)详细地介绍了萤火虫算法的相关理论,分析了萤火虫算法的自身特点,提出了一种基于标准萤火虫算法的盲源分离算法,并将此算法运用到语音信号的盲源分离中来,通过仿真实验对分离信号的相似系数和波形进行分析,并与两种典型的盲源分离算法进行比较,仿真结果表明该算法的分离性能优于两种经典算法。(3)针对标准萤火虫算法自身存在的易陷入局部极值和收敛速度慢的问题可能会影响盲源分离算法的性能,对标准萤火虫算法的改进方法进行了分析。重点讨论了一种基于分簇策略萤火虫算法,在此基础上又使用柯西变异策略和邻居策略对算法进一步改进,提出一种基于改进分簇策略萤火虫算法的盲源分离算法。通过实验仿真与基于标准萤火虫算法的盲源分离算法进行对比,语音信号的分离效果与算法的收敛速度均得到提高,证明了该算法的有效性。
【关键词】：盲源分离 萤火虫算法 语音信号
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN912.3;TP18
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-13
• 1.1 盲源分离的研究意义9
• 1.2 盲源分离的发展现状9-11
• 1.3 盲源分离的应用11-12
• 1.4 本文研究内容和结构安排12-13
• 2 盲源分离理论13-31
• 2.1 盲源分离的基本问题13-15
• 2.1.1 盲源分离的数学模型13-14
• 2.1.2 假设条件及不确定性14-15
• 2.2 独立性判据15-18
• 2.2.1 峭度最大化15-16
• 2.2.2 负熵最大化16-17
• 2.2.3 互信息最小化17-18
• 2.3 盲源问题前期预处理18-19
• 2.3.1 去均值18-19
• 2.3.2 白化19
• 2.4 经典的盲源分离算法19-28
• 2.4.1 自然梯度算法20-22
• 2.4.2 FastICA算法22-25
• 2.4.3 JADE算法25-28
• 2.5 盲源分离算法的性能评判28-30
• 2.5.1 主观定性评价方法28
• 2.5.2 客观定量评价方法28-30
• 2.6 本章小结30-31
• 3 基于标准萤火虫算法的盲源分离31-42
• 3.1 标准萤火虫算法31-34
• 3.1.1 标准萤火虫算法原理31
• 3.1.2 标准萤火虫算法的描述31-34
• 3.1.3 标准萤火虫算法特点34
• 3.2 基于标准萤火虫算法的盲源分离算法34-41
• 3.2.1 算法的原理与分析34-36
• 3.2.2 算法的主要步骤36-37
• 3.2.3 算法仿真与分析37-41
• 3.3 本章小结41-42
• 4 基于改进分簇策略萤火虫算法的盲源分离42-58
• 4.1 萤火虫算法的改进方法42
• 4.2 分簇策略萤火虫算法42-48
• 4.2.1 萤火虫种群分簇策略42-44
• 4.2.2 邻域极值的粒子群算法更新策略44-45
• 4.2.3 柯西分布的全局最优个体位移更新45-47
• 4.2.4 算法的基本流程47-48
• 4.3 改进分簇策略萤火虫算法48-52
• 4.3.1 柯西变异增强多样性策略49-50
• 4.3.2 邻居策略50-51
• 4.3.3 算法的基本流程51-52
• 4.4 基于改进分簇策略萤火虫算法的盲源分离算法52-57
• 4.4.1 算法的基本原理52-53
• 4.4.2 算法的主要步骤53-54
• 4.4.3 算法的仿真与分析54-57
• 4.5 本章小结57-58
• 结论58-59
• 致谢59-60
• 参考文献60-63
• 攻读学位期间的研究成果63

【参考文献】

中国期刊全文数据库 前10条

1 张涛;周文强;李坤;王海鹏;成静;;一种基于K-Mean算法的移动应用兼容性测试方法[J];西北工业大学学报;2015年03期

2 陈国钦;;一种基于峭度累积量比例微分控制的盲源分离学习率[J];电子学报;2015年05期

3 周勇;陈家俊;姜飞;熊龙珠;李绍金;;基于改进萤火虫算法的分布式电源优化配置研究[J];现代电力;2014年05期

4 唐勇波;桂卫华;彭涛;欧阳伟;;PCA和KICA特征提取的变压器故障诊断模型[J];高电压技术;2014年02期

5 陈恺;陈芳;戴敏;张志胜;史金飞;;基于萤火虫算法的二维熵多阈值快速图像分割[J];光学精密工程;2014年02期

6 杜晓刚;党建武;王阳萍;刘新国;李莎;;基于萤火虫算法的互信息医学图像配准[J];计算机科学;2013年07期

7 曾冰;李明富;张翼;马建华;;基于萤火虫算法的装配序列规划研究[J];机械工程学报;2013年11期

8 陈琛;马庆伦;李灯熬;赵菊敏;;NGA实现互信息量最小化的盲源分离[J];计算机工程与应用;2013年04期

9 张银雪;田学民;邓晓刚;;基于改进人工蜂群算法的盲源分离方法[J];电子学报;2012年10期

10 赵佳;杨景曙;金家保;;基于JADE算法的盲DOA估计[J];通信学报;2010年08期

中国硕士学位论文全文数据库 前1条

1 于超杰;萤火虫算法的改进及其在图像阈值分割中的应用[D];兰州大学;2014年

，

本文编号：977150