基于多标准融合的快速盲声源分离算法研究

发布时间：2024-03-22 21:37

　　盲分离是一种不需要源信号与传输信道提供先验信息,仅依靠观测到的混合数据就可以很好地还原出源信号的算法。该方法不仅可以应用于图像、医学信号处理,而且在声信号的处理尤其是双耳助听器中得到了广泛的应用。盲分离在助听器中主要用以语音增强,其能够利用自身算法的特点即在不知道麦克风阵列分布、信道传输特性并且不破坏其他声源双耳间线索的情况下,保持目标声源双耳间的线索。然而,由于盲分离算法自身的复杂度比较高,与助听器对芯片低功耗低时延的要求不一致,因此为了让盲分离在助听器中发挥更大的应用价值,首先要做的就是想办法降低盲声源分离的复杂度。为了更好地解决盲源分离中的高复杂度问题,本文从频域出发提出了一种基于多标准融合的快速BSS算法。本文首先介绍了利用盲声源分离将源信号从混合信号中恢复出来的整个流程,并对其中各个阶段采用的方法以及其复杂度进行了详细的描述。其次,详细介绍了文中提出的基于多标准融合的频点筛选快速BSS算法。频点筛选方法的基本思想为让小部分的频点由ICA算法不断迭代更新求解分离矩阵,剩余频点的分离阵通过其他复杂度低的方法来获得。本文提出的新的算法,在选择由ICA算法迭代求解分离阵的频点时,综合...

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

图１－２?ＢＳＳ算法用于语音信号的分离??

“鸡尾酒会”是ＢＳＳ中一个重要的例子，ＢＳＳ算法可以在没有阵列几何??信息与源信号的一些信息的情况下，从各种嘈杂的人声中，恢复出目标语音信号，??实现与人耳相似的功能，简单的分离过程如图１－２所示，??源信号１?第一路观测信号?恢复的源信号１??１▽誦?Ｋｌｉ??图１－２?ＢＳＳ....

图２－２两路语音信号的混合、解混波形??ＩＣＡ的解混功能如何可以使用以下两种指标来衡量

?排序发生变化后的混合参数与源信号。由此可见，仅根据观测信号，是无法判断??各分量与每个源信号之间的对应关系。图２－２中展示了?＃?＝?Ｍ＝２时，源信号、混??迭信号以及由ＩＣＡ估计出的源信号，由图２－２（ａ）与〇〇的对比可以看到，第一个通??道恢复出的信号为源信号２，第二个通道....

图３－１频域ＢＳＳ算法的分离流程??３．１?ＳＴＦＴ以及逆变换??

点上的分离阵；（３）考虑到排列、幅值模糊性是ＩＣＡ中固有的不确定性，因此后续??对这两个问题进行解决；（４）经ＩＳＴＦＴ，将还原出的信号变换为时域信号即可。分??离过程如图３－１所示。??ｗ?ｉ?＾?■＊—??混合?Ａ分离??信号＋?丨信号??短时傅里叶变换?逆短时傅里叶变换??....

图３－２时长为３ｓ的语音信号的波形图??

图３－２时长为３ｓ的语音信号的波形图??分帧有两种方法，一种是前一帧与后一帧之间没有任何的交叠，另一种是前??后两帧之间存在重叠区域，如图３－３所示。目前常用的是第二种方法，因为存在重??叠区域的这种分帧方法，不仅可以将信号划分为若干个时间段而且还能保存信号??间的连续性。在本文....

本文编号：3934986