語音信號(hào)的盲源分離方法研究.pdf

1、盲源分離（BSS）是在上世紀(jì)末發(fā)展起來的一類信號(hào)處理方法，在現(xiàn)代通信、語音信號(hào)處理、機(jī)械故障診斷、圖像處理等方面有著非常大的應(yīng)用價(jià)值。隨著語音信號(hào)處理在語音識(shí)別、電話通訊、人機(jī)交互、軍事監(jiān)聽方面日益發(fā)揮著越來越重要的作用，但是這都需要用到高信噪比或者純凈的目標(biāo)原始語音，在人聲背景或者高噪聲條件下獲得特定目標(biāo)人聲，常規(guī)降噪方法是不能辦到的，盲源分離方法可以解決這一類問題，本文探討了語音信號(hào)的自身特性以及采集方法，對(duì)固定點(diǎn)算法特性做了分析；

2、把固定點(diǎn)步長自然梯度算法改進(jìn)；研究了卷積混疊的模型的盲分離算法；基于勢(shì)函數(shù)的欠定盲分離算法做出了改進(jìn)。整個(gè)文章中，做了如下的具體工作：
　　1．相對(duì)其他信號(hào)，語音信號(hào)有著自己的一些特性，在對(duì)語音信號(hào)盲分離前，因而要對(duì)語音信號(hào)的自身特性做一個(gè)全面分析，在語音信號(hào)采集的時(shí)候需要有什么樣的特別要求，根據(jù)語音信號(hào)的特點(diǎn)以及分離算法的需要，對(duì)語音信號(hào)的預(yù)處理過程做了全面的推導(dǎo)與分析，這樣的工作對(duì)算法特性理解和算法計(jì)算量的減少有著極大的貢獻(xiàn)。

3、
　　2．對(duì)于正定情況下的盲源分離，有著許多優(yōu)秀的算法，其中固定點(diǎn)算法有著諸多的優(yōu)點(diǎn)，對(duì)于語音信號(hào)自身特性，分析了基于四階累積量和負(fù)熵這兩類固定點(diǎn)算法，其結(jié)構(gòu)不同而有不同的特性，做了噪聲干擾下的分離特性分析；對(duì)自然梯度算法做了深入研究后，發(fā)現(xiàn)自然梯度算法分離精確度高，但是存在步長和分離速度不能同時(shí)最優(yōu)的矛盾，針對(duì)這種情況提出了兩類變步長的自然梯度算法，提高了迭代效率從而減小迭代次數(shù)，最后分析了噪聲干擾下的語音信號(hào)分離特性。

4、　　3．對(duì)語音信號(hào)的卷積模型在時(shí)域中的解卷積和頻域中的解卷積方法做了研究，由于在線卷積的分離方法計(jì)算量大并且抗干擾能力差，針對(duì)抗干擾問題，改進(jìn)并實(shí)現(xiàn)了在線卷積盲分離的時(shí)域方法。對(duì)時(shí)頻分析的方法深入研究之后，發(fā)現(xiàn)該方法可以大大降低卷積混疊模型的盲分離的計(jì)算量，根據(jù)語音信號(hào)自身的幅度相關(guān)特性，實(shí)現(xiàn)了幅度相關(guān)性的盲分離方法，最后并對(duì)時(shí)域與頻域分離方法的優(yōu)劣做了分析。
　　4．當(dāng)前欠定盲源分離是一個(gè)極大的熱門，語音信號(hào)欠定也是很常見的現(xiàn)象