FastICA算法研究及其在語(yǔ)音信號(hào)分離中的應(yīng)用.pdf

1、盲信號(hào)處理中的盲源分離(Blind source separation，BSS)是近幾十年來(lái)發(fā)展起來(lái)的一門新的研究領(lǐng)域，它的研究目的是即使源信號(hào)以及它的混合方式都不知道的前提下，僅僅由源信號(hào)的一些統(tǒng)計(jì)特性，然后根據(jù)所觀測(cè)到的混合信號(hào)來(lái)恢復(fù)出我們想要得到的源信號(hào)。BSS問(wèn)題在用戶通信、語(yǔ)音信號(hào)處理、陣列信號(hào)處理、生物醫(yī)學(xué)工程和地震預(yù)測(cè)等多個(gè)方面都有非常重要的應(yīng)用價(jià)值。BSS是根據(jù)收集到的觀測(cè)信號(hào)，通過(guò)學(xué)習(xí)來(lái)分離出我們想獲得的源信號(hào)。BSS

2、技術(shù)開始是來(lái)自“雞尾酒會(huì)效應(yīng)”的探索，即使處于混亂的語(yǔ)音條件下，人耳可以比較精確的提取人們所希望得到的聲音信號(hào)，但是現(xiàn)在的儀器基本上不能實(shí)現(xiàn)這一功能，所以需要利用BSS方法，從由接收器所接收到的混合信號(hào)中分離出我們感興趣的信號(hào)。
　　 獨(dú)立分量分析(ICA)是根據(jù)BSS方法中源信號(hào)之間是相互獨(dú)立的條件下得到的，是BSS方法中的一種特殊算法。ICA方法可以分為信息論的迭代估計(jì)算法還有統(tǒng)計(jì)學(xué)的代數(shù)算法，從理論上看，這兩種方法用到源信

3、號(hào)的非高斯性和獨(dú)立性。在對(duì)信息論的研究方面，多國(guó)研究人員從最大似然函數(shù)、最小互信息準(zhǔn)則、最大熵等方面給出了許多估計(jì)方法。比如最大似然估計(jì)，F(xiàn)astICA，Infomax等。對(duì)于統(tǒng)計(jì)學(xué)的算法一般有二階以及四階累積量算法。FastICA方法是利用了最大化信號(hào)的非高斯性，利用固定點(diǎn)算法尋求非高斯性的最大值，該算法所用到的牛頓方法是批處理計(jì)算值的多個(gè)采樣數(shù)據(jù)，每步迭代計(jì)算從混合信號(hào)中間分離出一個(gè)獨(dú)立的成分，屬于ICA算法中的一種快速計(jì)算方法。<

4、br>　　 本文闡述了盲信號(hào)處理的基本原理和方法，對(duì)BSS方法中的獨(dú)立分量分析(ICA)方法進(jìn)行了重點(diǎn)介紹，并對(duì)ICA方法中的快速獨(dú)立分量分析方法(FastICA)進(jìn)行了深入的分析，針對(duì)FastICA方法中存在對(duì)初始值敏感和計(jì)算復(fù)雜等問(wèn)題，對(duì)基于負(fù)熵的FastICA方法進(jìn)行了改進(jìn)，將原算法中的牛頓迭代法用弦截法與最速下降法的結(jié)合算法來(lái)代替，提出了改進(jìn)基于負(fù)熵的FastICA方法，針對(duì)基于峭度的FastICA常用方法中存在的對(duì)優(yōu)化步長(zhǎng)選