基于稀疏分量分析的欠定盲聲源分離技術(shù)研究.pdf

1、語音信號處理技術(shù)的相關(guān)應(yīng)用越來越廣泛，許多新的產(chǎn)品對信號處理的結(jié)果要求日益增高。盲聲源分離算法在語音信號的提取和識別過程中有著不可替代的作用。盲語音信號混合的方式有線性、卷積以及非線性。線性是研究簡單，但一些成熟線性混合算法可以擴展到卷積中去。根據(jù)接收器與聲源個數(shù)關(guān)系也可分為超定、欠定、正定的盲源分離。欠定的線性瞬時混合的盲語音信號分離是本文的重點。本文是基于語音信號在某一個變換域存在稀疏表征的特性進行。使用稀疏分量分析方法進行語音信號

2、分離?！皟呻A段”方法是本文的研究中心。本文的主要工作如下：
　?。?）從盲源分離方法入手，通過仿真圖形分析語音信號時域頻域特性。闡述了稀疏分量分析方法使用的條件，并結(jié)合這些條件對語音信號的稀疏表征進行分析，對信號的短時分幀分析方法進行詳細介紹。
　?。?）對“兩階段”方法中混合矩陣算法和信號重構(gòu)算法進行介紹，并對這兩步中常見的算法進行了調(diào)研和分析。
　　（3）進行了盲語音信號分離之前的時頻點稀疏性預(yù)處理工作。使用了新的

3、單源點篩選方法，對原有單源點篩選方法進行了改進，并仿真驗證這種方法的可行性，以及對于效率的提高作用。
　?。?）對篩選過后的單源點使用勢函數(shù)方法對混合矩陣進行估計，對三路四路語音信號混合成的信號進行仿真驗證。
　　（5）使用最短路徑、時頻掩蔽對信號進行重建，分析壓縮感知的信號重構(gòu)與源信號重建的過程相似性。通過匹配追蹤算法對信號進行重建過程。并且對以上的算法都進行了仿真驗證。對最短路徑方法和時頻掩蔽方法的缺點進行分析，提出了一