低稀疏度情形下的欠定混叠盲分离研究

发布时间：2019-11-06 11:42

【摘要】：信号的稀疏性常用来解决欠定盲信号分离问题,重建源信号的品质依赖于信号的稀疏度;已有的基于稀疏分析的欠定盲分离方法对源信号的稀疏度要求极高,通常仅在源信号充分稀疏情况下才能取得理想的结果。另一方面,在很多实际应用场景中,信号的稀疏度通常达不到那种理想的程度,导致已有的基于稀疏表示的欠定盲分离算法效果不理想,甚至得出错误的结果,基于这样的背景,本论文开展低稀疏度信号(即非完全稀疏或松弛稀疏)的欠定盲分离研究,意在改进传统经典的源估计算法,提出了几个适合于低稀疏度信号的盲分离和盲提取算法,具体有以下的贡献。第一,最短路径法、l1范数解和l0范数解是欠定盲信号分离中的经典估计源信号算法,但是在低稀疏度的情形下,这些算法的性能出现了大幅度下降。为了解决此问题,论文利用信号的稀疏性和统计独立性,提出了统计稀疏分解原则(SSDP),弥补了上述算法的不足之处,取得了好的效果。第二,两步法是欠定盲信号分离最常用的方法。众所周知:混叠矩阵估计是两步法中的第一步。然而当源数目很多或受背景噪声干扰时,传统算法将无法完整估计混叠矩阵,致使源信号估计算法失效。为突破这一瓶颈问题,论文采用了一种新的策略,提出了低稀疏度情形下的欠定盲提取算法。该算法先采用单源区间方法估计出部分基矢量,后在不依赖其它基矢量的情况下,逐一地对基矢量所对应的源进行提取,解决了估计混叠矩阵的瓶颈问题。同时,论文在理论上讨论了欠定源提取的问题,证明了一个无偏差地提取源的必要条件。第三,在著名的DUET算法中有一个苛刻条件,即任意两个源在时频点上都互相交错不重叠。在低稀疏度信号的欠定盲信号分离中,因无法满足这一苛刻条件而导致DUET算法的信噪比下降。为了克服其不足,并适用于低稀疏度的混叠信号,论文采用了旋转变换的方法改进DUET算法。该旋转变换是采用线性非奇异矩阵对混叠矩阵和混叠信号进行线性变换。在旋转变换中,又分为均衡混叠和非均衡混叠的两种情形,采取两种不同的旋转变换方式,分别提出了Imp-DUET算法和BE-TFMask算法。这两种算法均在变换混叠矩阵和混叠信号后,运行DUET算法重建源信号。从理论和实验的结果表明,它们在低稀疏度的情形下都取得优于DUET算法的效果。在此之后,论文进一步将欠定盲分离算法推广到高斯噪声和语音混叠问题的语音增强算法中,提出了基于时频稀疏性的双通道(TFS-DCSE)和单通道语音增强(TFS-SC SE)算法。与经典的语音增强谱减法对比,我们的两个算法不需要一小段的纯净噪声来消除语音中的噪声谱,去噪声效果明显,非常适合解决强高斯噪声干扰问题。两个算法的过程是:单通道语音增强TFS-SCSE算法,将带噪语音按照奇偶顺序抽样成两个子信号,转换成类似双通道的语音增强模型。然后,利用高斯噪声的低稀疏度特性,结合欠定的盲信号分离方法,采用阈值方法将带噪语音的时频区域分为重叠区和非重叠区,后经分析知,稀疏特性呈现在非重叠区,语音与噪声在非重叠区几乎互相交错,噪声样本点在散落图中形成了一个“直角形”或“十字架”,经过删除这些噪声样本点,实现了语音增强。以上的研究工作改进了传统经典的欠定盲信号分离算法,解决了低稀疏度情形下欠定盲信号分离难题;开辟了语音增强的新道路,突破了强高斯噪声干扰语音的困扰。
【图文】：

1图 1-1 鸡尾酒会问题Fig.1-1 Cocktail party problem鸡尾酒会问题在盲信号分离技术中非常重要，图 1-1 是一个鸡尾酒会活动场面酒会活动中，，通常很多人互相高声论谈、声音混杂，如何分离用麦克风现场采语音信号？众所周知，即使鸡尾酒会活动环境噪声干扰严重，人们也仍然能够交流的声音。但现场采集的混叠语音，通常人耳是无法分辨的。该现象被科学，归结为一个科学问题，即“盲信号分离”问题。

华南理工大学博士学位论文、地球物理数据信号等领域。①盲信号分离技术在语音信号处理的应用为了更好地描述语音信号的盲信号分离，参看混叠与分离的模型(图 1-2)。在图，图的左边是 7 个语音信号，包括了汽车声、钢琴声、电视声、讲话声等多种声音合，中间是 7 个麦克风采集混叠信号，右边表示分离的 7 个语音信号。
【学位授予单位】：华南理工大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TN911.7

【相似文献】

相关期刊论文 前10条

1 包云飞;张伟川;武飞;张立;;独立分量分析研究[J];四川理工学院学报(自然科学版);2012年03期

2 白琳;陈豪;;一种新的基于伪提取矢量的欠定盲分离方法[J];计算机科学;2010年11期

3 毕晓君;宫汝江;;基于混合聚类和网格密度的欠定盲矩阵估计[J];系统工程与电子技术;2012年03期

4 何春兰;万哲;;局部充分稀疏的欠定时盲信号源分离[J];广东工业大学学报;2008年04期

5 杨杰;俞文文;田昊;关珍贞;;基于独立分量分析的欠定盲源分离方法[J];振动与冲击;2013年07期

6 冷洪勇;郭文强;张明君;;小波域欠定盲图像混合矩阵估计研究[J];信息通信;2013年04期

7 宋英;;基于稀疏特性的欠定盲分离矩阵A的估计方法[J];机械工程与自动化;2010年06期

8 肖明;孙功宪;吕俊;;松弛稀疏性条件下的欠定盲分离[J];计算机工程;2010年12期

9 陆凤波;黄知涛;姜文利;;一种时频混叠的欠定混合通信信号盲分离算法[J];国防科技大学学报;2010年05期

10 刘琨;杜利民;王劲林;;基于时频域单源主导区的盲源欠定分离方法[J];中国科学(E辑:信息科学);2008年08期

相关会议论文 前1条

1 巩俊;马晓红;;一种基于孤立点检测的欠定盲辨识方法[A];2010年通信理论与信号处理学术年会论文集[C];2010年

相关博士学位论文 前5条

1 周俊;机械故障信号欠定源估计与盲提取方法研究[D];昆明理工大学;2015年

2 杜健;欠定盲源分离和PCMA信号盲分离技术研究[D];解放军信息工程大学;2014年

3 孙功宪;低稀疏度情形下的欠定混叠盲分离研究[D];华南理工大学;2016年

4 张烨;欠定混合信号的盲分离[D];上海大学;2009年

5 陆凤波;复杂电磁环境下的欠定盲源分离技术研究[D];国防科学技术大学;2011年

相关硕士学位论文 前10条

1 杜晶晶;欠定和单通道条件下混合信号定阶技术研究[D];电子科技大学;2009年

2 徐宁;欠定半盲分离方法与应用研究[D];大连理工大学;2007年

3 冷洪勇;基于信号特征条件约束的欠定盲源分离技术研究[D];新疆大学;2013年

4 隗雪梅;基于语音稀疏性的欠定信号盲分离研究[D];中国科学技术大学;2014年

5 张鑫;欠定盲源分离技术研究[D];西安电子科技大学;2009年

6 王放;稀疏分量分析的欠定盲分离算法研究[D];湖南大学;2012年

7 李振涛;线性混合欠定盲分离算法研究[D];太原理工大学;2015年

8 魏亮生;基于矩阵对角率的欠定盲分离技术研究[D];大连理工大学;2013年

9 朱东岩;弱稀疏信号欠定盲分离技术的研究[D];大连理工大学;2011年

10 姚楚君;基于稀疏表示的欠定混叠盲信号分离算法研究[D];广东工业大学;2008年

本文编号：2556697