語(yǔ)音信號(hào)的盲分離技術(shù)研究及應(yīng)用.pdf

1、語(yǔ)音信號(hào)的盲分離指的是在語(yǔ)音源信號(hào)的信息未知,同時(shí)也不知道混合系統(tǒng)的情況下,只能依據(jù)觀測(cè)到的語(yǔ)音信號(hào)來(lái)估計(jì)源信號(hào)的過(guò)程。主要用于現(xiàn)代的通信領(lǐng)域。隨著人類步入信息社會(huì)的步伐加快,越來(lái)越多的領(lǐng)域需要語(yǔ)音信號(hào)盲分離。語(yǔ)音信號(hào)盲分離研究主要在時(shí)域和頻域上展開(kāi)。時(shí)域內(nèi)只能解決瞬時(shí)混合模型的語(yǔ)音信號(hào),而有混響問(wèn)題的卷積語(yǔ)音信號(hào)盲分離在頻域內(nèi)解決就容易很多。目前,語(yǔ)音盲分離領(lǐng)域已經(jīng)出現(xiàn)了很多算法,主要分為批處理算法和自適應(yīng)算法兩大類。批處理算法主要是

2、聯(lián)合對(duì)角化算法,自適應(yīng)算法則以在線學(xué)習(xí)的梯度算法為主,有隨機(jī)梯度算法和自然梯度算法。大量的學(xué)者在這兩類算法上探索研究改進(jìn),FastICA算法應(yīng)運(yùn)而生,結(jié)合了批處理算法和自適應(yīng)算法的優(yōu)點(diǎn),對(duì)接收到的數(shù)據(jù)實(shí)施在線梯度算法,一次處理批量的數(shù)據(jù)并不斷更新迭代分離矩陣,有很好的收斂性能。跟其它的ICA算法一樣,FastICA算法也存在排序不確定性和幅度不確定性,本文對(duì)這部分難點(diǎn)做了大量仿真對(duì)比研究,最后實(shí)現(xiàn)了頻點(diǎn)對(duì)齊并消除了幅度不確定性。

3、　　本文主要做了以下方面的研究:
　　1.分析比較了ICA的四類獨(dú)立性判斷準(zhǔn)則,極大化似然度的判斷準(zhǔn)則、互信息最小化判斷準(zhǔn)則、信息最大化準(zhǔn)則以及極大化非高斯性準(zhǔn)則;研究分析了ICA中傳統(tǒng)的批處理算法及自適應(yīng)處理算法。
　　2.深入討論FastICA算法,并根據(jù)目標(biāo)函數(shù)的不同,分別基于負(fù)熵、基于峭度以及基于似然度,分析比較三者的優(yōu)缺點(diǎn)。
　　3.針對(duì)排序不確定性和幅度不確定性做了大量對(duì)比研究,最終通過(guò)基于功率比的相關(guān)系數(shù)