語音信號的盲源分離方法研究.pdf

1、盲源分離（BSS）是在上世紀(jì)末發(fā)展起來的一類信號處理方法，在現(xiàn)代通信、語音信號處理、機(jī)械故障診斷、圖像處理等方面有著非常大的應(yīng)用價值。隨著語音信號處理在語音識別、電話通訊、人機(jī)交互、軍事監(jiān)聽方面日益發(fā)揮著越來越重要的作用，但是這都需要用到高信噪比或者純凈的目標(biāo)原始語音，在人聲背景或者高噪聲條件下獲得特定目標(biāo)人聲，常規(guī)降噪方法是不能辦到的，盲源分離方法可以解決這一類問題，本文探討了語音信號的自身特性以及采集方法，對固定點(diǎn)算法特性做了分析；

2、把固定點(diǎn)步長自然梯度算法改進(jìn)；研究了卷積混疊的模型的盲分離算法；基于勢函數(shù)的欠定盲分離算法做出了改進(jìn)。整個文章中，做了如下的具體工作：
　　1．相對其他信號，語音信號有著自己的一些特性，在對語音信號盲分離前，因而要對語音信號的自身特性做一個全面分析，在語音信號采集的時候需要有什么樣的特別要求，根據(jù)語音信號的特點(diǎn)以及分離算法的需要，對語音信號的預(yù)處理過程做了全面的推導(dǎo)與分析，這樣的工作對算法特性理解和算法計算量的減少有著極大的貢獻(xiàn)。

3、
　　2．對于正定情況下的盲源分離，有著許多優(yōu)秀的算法，其中固定點(diǎn)算法有著諸多的優(yōu)點(diǎn)，對于語音信號自身特性，分析了基于四階累積量和負(fù)熵這兩類固定點(diǎn)算法，其結(jié)構(gòu)不同而有不同的特性，做了噪聲干擾下的分離特性分析；對自然梯度算法做了深入研究后，發(fā)現(xiàn)自然梯度算法分離精確度高，但是存在步長和分離速度不能同時最優(yōu)的矛盾，針對這種情況提出了兩類變步長的自然梯度算法，提高了迭代效率從而減小迭代次數(shù)，最后分析了噪聲干擾下的語音信號分離特性。

4、　　3．對語音信號的卷積模型在時域中的解卷積和頻域中的解卷積方法做了研究，由于在線卷積的分離方法計算量大并且抗干擾能力差，針對抗干擾問題，改進(jìn)并實(shí)現(xiàn)了在線卷積盲分離的時域方法。對時頻分析的方法深入研究之后，發(fā)現(xiàn)該方法可以大大降低卷積混疊模型的盲分離的計算量，根據(jù)語音信號自身的幅度相關(guān)特性，實(shí)現(xiàn)了幅度相關(guān)性的盲分離方法，最后并對時域與頻域分離方法的優(yōu)劣做了分析。
　　4．當(dāng)前欠定盲源分離是一個極大的熱門，語音信號欠定也是很常見的現(xiàn)象