论文部分内容阅读
近几年,作为盲源分离(Blind Sources Separation:BSS)的一种新方法,独立分量分析(Independent Component Analysis:ICA)的研究已经成为信号处理领域一个引人注目的热点问题。它是一种仅从观测信号来估计源信号的方法,对源信号和混合系统的先验知识要求很少,因此在无线通信、医学信号处理、图像增强和语音盲分离等方面有着广泛的应用。独立分量分析技术在20世纪80年代初期被第一次提出,到20世纪90年代中期很多ICA新理论和新算法相继被提出,吸引了大家的广泛关注。语音信号盲分离是独立分量分析技术在语音信号处理领域中的重要应用,其核心问题在于从多路混合语音信号中分离出某个说话人的声音,该项研究具有广阔的应用前景。本文对多路混合语音信号的盲分离理论和算法进行研究,主要研究内容如下:(1)详细介绍了基于峭度的独立分量提取算法和信息极大算法,文中给出了详细的理论分析及实验仿真,验证了算法的有效性。(2)用峭度和信息极大算法对瞬时混合语音信号进行盲分离,运用极大算法的推广,对卷积混合的语音信号进行时域盲分离。仿真结果表明,由于算法自身的局限性,时域分离系统一般难以得到较理想的实际应用效果。(3)对频域语音分离算法进行了研究。提出用扩展信息极大算法对语音信号每个频率点进行分离的思路。文中详细地分析和讨论了语音信号频域盲分离算法中所涉及的各个细节,解决了帧长选取和ICA不确定性(尺度和排序)所产生的问题。算法实现了对真实环境下多路语音信号的盲分离。