基于源信號模型的盲分離技術(shù)研究及應(yīng)用.pdf

1、盲源分離是現(xiàn)代信號處理領(lǐng)域中一個新的研究方向。它具有堅實的理論基礎(chǔ)和廣泛的應(yīng)用前景。瞬時線性混合模型是一種理想的假設(shè)，在實際應(yīng)用中有很大的局限性。因此，當(dāng)前國內(nèi)外的研究都集中于含噪混合、非平穩(wěn)混合和傳感器(接收器)數(shù)目少于源數(shù)目的欠定混合等問題。本文的研究工作正是圍繞以上一些熱點展開的。 含噪混合更符合實際的應(yīng)用，因此本文的研究集中在含系統(tǒng)噪聲的盲信號分離問題，即從已知的含噪觀測信號中盡可能準確地分離出源信號。不僅研究了傳感器(

2、接收器)數(shù)目不少于源信號數(shù)目的含噪盲分離問題，而且嘗試研究了單通道含噪盲信號分離問題，從一個含噪的觀測信號中分離出兩個源信號。本文所提出的盲分離算法都是建立在變分貝葉斯學(xué)習(xí)的基礎(chǔ)上，充分利用了每個源信號本身的時間相關(guān)特性，采用了合適的模型描述其時間結(jié)構(gòu)。把系統(tǒng)噪聲的統(tǒng)計特性和源信號的時間相關(guān)信息綜合考慮，既能有效地減少噪聲的影響，又能分離出源信號。最后，從獨立成分分析的應(yīng)用出發(fā)，研究了獨立成分分析解決語音增強問題，分析已有的增強算法，提

3、出更有效的噪聲壓縮方法。 本文的創(chuàng)新工作如下： (1)研究了從被系統(tǒng)加性噪聲污染的觀測信號中分離源信號的問題，把有效降噪和源信號分離兩個目標(biāo)綜合起來，提高了在噪聲環(huán)境下算法的魯棒性； (2)充分利用源信號本身的時間結(jié)構(gòu)，采用相應(yīng)的模型--自回歸模型、泛化自回歸模型和時變自回歸模型，近似地描述這種時間結(jié)構(gòu)，從而提高了分離結(jié)果的準確性； (3)嘗試研究了具有挑戰(zhàn)性的難點問題--單通道盲信號分離問題，建立單通道

4、含噪混合過程和自回歸源信號模型對應(yīng)的狀態(tài)空間模型，把源信號分離作為狀態(tài)估計問題來處理，采用變分卡爾曼平滑算法估計源信號； (4)充分利用變分貝葉斯學(xué)習(xí)的優(yōu)點，既考慮系統(tǒng)的加性噪聲，又考慮源信號包含的時間信息，所提出的基于變分貝葉斯學(xué)習(xí)的幾種盲分離算法不僅能避免過擬合，還可以定量地比較不同的模型，使所選擇的模型更符合已知的觀測數(shù)據(jù)； (5)研究了獨立成分分析在語音增強中的應(yīng)用。語音信號通過獨立成分分析，增強了基系數(shù)的稀疏性