高效盲信號(hào)分離算法的研究.pdf

1、盲信號(hào)分離的應(yīng)用領(lǐng)域越來越廣泛,因此很多算法已經(jīng)致力于如何分離出質(zhì)量高的信號(hào)。本論文所要解決的問題是高質(zhì)量分離信號(hào)的同時(shí),提高算法的運(yùn)算速度、降低算法的計(jì)算復(fù)雜度。主要從以下兩大方面實(shí)現(xiàn)了高效盲分離算法。
　　針對(duì)瞬時(shí)混合模型的盲分離,本論文提出直接用觀測(cè)信號(hào)的頻域幅值矩陣來求得分離矩陣,得到分離信號(hào)。此時(shí),要求觀測(cè)信號(hào)的頻域幅值及頻率要足夠精確。因此,本論文引入了頻譜校正的方法,即利用比值校正法對(duì)離散非密集譜校正的精確度高的優(yōu)點(diǎn)

2、,對(duì)得到的混合信號(hào)進(jìn)行譜校正,由此得到精確的頻域幅值及頻率。為得到分離矩陣,需要對(duì)校正后的幅值矩陣聚類,將來自同一個(gè)源信號(hào)的各幅值向量聚在一起。由于混合矩陣的不確定性,聚類算法不能采用歐氏聚類,而是利用兩向量之間的夾角進(jìn)行聚類。由此,可得到分離矩陣,進(jìn)而分離出各路源信號(hào)。實(shí)驗(yàn)表明:本論文所提出的基于頻域幅值聚類算法分離的信號(hào)精確度高,計(jì)算復(fù)雜度很低,節(jié)省了計(jì)算時(shí)間。
　　針對(duì)卷積混合模型的盲分離,本文提出了基于稀疏時(shí)頻特征提取的盲

3、分離算法。首先短時(shí)傅里葉變換將語(yǔ)音信號(hào)變換到時(shí)頻域內(nèi),語(yǔ)音信號(hào)在時(shí)頻域內(nèi)的稀疏特性簡(jiǎn)化了盲分離算法,為去除各種噪聲提供了便利。同時(shí),短時(shí)傅里葉變換框架的高度冗余性及人耳的屏蔽效應(yīng)為去除時(shí)頻域內(nèi)的冗余信息以減少特征模式聚類的數(shù)量、提高算法的計(jì)算速度提供了有力的理論依據(jù)。去除的冗余信息都不是組成各路源信號(hào)的主要分量,因此不會(huì)影響到盲信號(hào)分離的質(zhì)量。本論文通過以上算法去除了94％~95%待聚類的特征模式數(shù)量。由此,節(jié)省了大量的計(jì)算量,加快了計(jì)