語音信號的盲源分離算法研究及應(yīng)用.pdf

1、盲源分離問題即在不知道源信號和傳輸通道的先驗信息的情況下，根據(jù)源信號的統(tǒng)計特性，僅由觀測到的混合信號恢復(fù)出源信號的過程。盲源分離應(yīng)用領(lǐng)域非常廣闊，目前已廣泛應(yīng)用于語音信號處理，陣列信號，圖像處理及醫(yī)學(xué)信號處理等許多領(lǐng)域。而語音信號的盲源分離是盲源分離技術(shù)的一個非常重要的分支，是當(dāng)前語音信號研究的熱點。獨立量分析(independent component analysis，簡稱ICA)是盲信號處理運用得最普遍的一類算法。本文深入細(xì)致地研

2、究了盲源分離的理論，包括盲源分離的現(xiàn)狀、發(fā)展和盲源分離原理和處理方法等內(nèi)容。在盲源分離算法的研究中，重點研究了基于峭度和最大熵的盲源分離算法。
　　 在傳統(tǒng)的隨機梯度算法中，一般需對源信號的概率密度函數(shù)預(yù)先做一個假設(shè)。如果假設(shè)的概率密度函數(shù)與真實源信號差別較大的話，將對分離的結(jié)果產(chǎn)生較大的影響。由此，本文提出了一種基于峭度的自適應(yīng)調(diào)節(jié)算法，并不需要預(yù)先假設(shè)源信號的概率密度函數(shù)，而是根據(jù)源信號的特性自動調(diào)節(jié)生成。在MATLAB上對

3、該算法的仿真證明，該算法達(dá)到了良好的分離率。此外，在該算法中對噪聲存在的情況進(jìn)行了研究。在最大熵算法中，發(fā)現(xiàn)傳統(tǒng)的固定步長算法不能達(dá)到較為理想的收斂速度和分離效果，從而在本文中提出了一種自適應(yīng)變步長的方法，使得分離的速度更快，效果更理想。并且，本文對該算法在卷積混合的情況下也進(jìn)行了實現(xiàn)。另外，本文給出了該算法在數(shù)字信號處理器(簡稱DSP)上的實現(xiàn)。在通過理論分析和語音信號仿真實驗驗證了該算法的可行性之后，本文創(chuàng)建了一個以DSP為核心的二