论文摘要
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。
论文目录
摘要Abstract第一章 绪论1.1 研究的背景及意义1.2 "鸡尾酒会"问题和盲源分离技术国内外发展概况1.3 语音分离研究概况1.4 本文研究内容第二章 统计分析和信息论基础知识2.1 概率与统计分析基础知识2.2 高阶统计量2.2.1 特征函数2.2.2 高阶矩与高阶累积量2.3 信息论基础知识2.3.1 熵2.3.2 KL熵2.3.3 互信息2.4 本章小结第三章 盲源分离和ICA的主要算法3.1 盲源分离（BSS）概述和ICA的提出3.2 独立分量分析的基本概念和模型3.2.1 独立分量分析的发展现状3.2.2 独立分量分析的基本概念和模型3.3 非高斯性极大准则3.4 ICA主要优化算法3.4.1 白化3.4.2 ICA的主要优化算法3.5 本章小结第四章 混合语音信号时域盲分离4.1 语音信号的可分离性及分离模型4.1.1 信道的模型4.1.2 最小相位系统4.1.3 混合语音分离的两种结构4.2 瞬时线形混合语音的盲分离4.2.1 基于峭度的瞬时混合语音分离4.2.2 基于信息极大的瞬时混合语音分离4.3 卷积混合语音的盲分离4.4 本章小结第五章 语音信号频域盲分离5.1 语音信号的时-频域混合模型5.2 频域解混系统5.3 频域解混过程中的滤波、排序和尺度问题5.3.1 白化和ICA滤波5.3.2 排序和尺度问题5.3.3 算法仿真和真实环境中的语音分离5.4 本章小结第六章 总结与展望参考文献作者在硕士研究生期间完成的论文致谢
相关论文文献
标签：盲源分离论文; 独立分量分析论文; 语音盲分离论文; 信息极大算法论文;
