语音盲分离算法及应用的研究

论文摘要

盲源分离是随着语音处理技术的发展而发展起来的,是语音信号处理领域的一大发展。盲源分离简单地讲就是从一组预先不知道任何先验知识的观测信号里面分离出想要的源信号。迄今为止,对盲源分离技术的研究主要集中在基于独立分量分析的盲源分离的研究和基于计算听觉场景分析的语音盲分离技术的研究上,这个技术的研究被广泛地应用在各个领域,如语音增强,通信,语音识别,雷达探测等。本文主要从三个方面研究了盲源分离算法。在独立分量分析的语音盲分离算法的研究中,本文在前人的基础上提出了基于改进的最大信息化的语音盲分离算法和基于最小增益的语音盲分离算法。基于改进的最大信息化的语音育分离算法在目标函数中引用了符号函数,实验证明,与先前提出的活动函数为sigmiod函数的信息最大化算法相比,大大提高了分离语音的清晰度和可懂度。而基于最小增益的语音盲分离算法用矩阵特征值的方法求解分离语音,不仅省去了自然梯度算法和信息最大化算法中的迭代运算,而且实验证明它改善了分离语音的串音误差,相似系数等评价指标,大大改善了分离效果。在基于计算听觉场景分析的语音盲分离算法的研究中,本文设计了以声音的起始时刻和结束时刻为语音分离提取特征的计算场景分析(CASA)盲源分离系统,最后在实验中比较了分离前后语音信号的信噪比,证明了该系统的有效性。最后本文研究了语音的盲源分离算法在语音增强中的应用。语音增强算法的研究是关系到人类实际日常生活的重要内容,该算法主要通过引入参考信号的方法实现了多通道,从而将基于独立分量分析的原理应用其中。最后通过实验的方法验证了该算法的有效性,并对其增强性能进行了验证,评价指标仍采用了信号分离前后的信噪比。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究的背景与意义
• 1.2 盲分离的发展历程及研究现状
• 1.2.1 基于独立分析的盲分离技术的研究
• 1.2.2 基于计算听觉场景分析的盲分离技术研究
• 1.3 本文的主要工作及结构安排
• 第二章 基于线性独立分量分析的语音盲分离算法的研究
• 2.1 算法原理及分离性能指标
• 2.2 基于自然梯度ICA的语音盲分离算法的研究
• 2.2.1 基于自然梯度ICA的语音盲分离算法的原理
• 2.2.2 仿真实验
• 2.3 基于改进的信息最大化的语音盲分离算法的研究
• 2.3.1 基于信息最大化语音盲分离技术原理
• 2.3.2 改进的信息最大化语音盲分离算法原理
• 2.3.3 实验仿真及结果比较
• 2.4 最大信噪比语音盲分离算法的研究
• 2.4.1 算法原理
• 2.4.2 仿真实验
• 2.5 基于最小增益的语音盲分离算法研究
• 2.5.1 算法原理
• 2.5.2 算法可分离性的证明
• 2.5.3 实验仿真
• 2.6 本章小结
• 第三章 基于计算听觉场景分析的语音盲分离算法概述
• 3.1 计算听觉场景分析概述
• 3.2 基于计算听觉场景分析（CASA）的语音盲分离算法简介
• 第四章 基于计算听觉场景分析的语音盲分离算法的研究
• 4.1 混合信号的分解
• 4.1.1 听觉外围处理
• 4.1.2 特征提取
• 4.2 分解信号的组织
• 4.3 语音的重新合成
• 4.4 实验结果分析及分离性能评价
• 4.5 本章小结
• 第五章 盲源分离在语音增强中的应用
• 5.1 语音信号特性
• 5.2 噪声的特性
• 5.3 语音增强算法概述
• 5.4 语音增强算法的质量评价指标
• 5.5 基于独立分量分析的语音增强算法研究
• 5.5.1 算法原理
• 5.5.2 语音增强实验
• 5.6 本章小结
• 第六章 结论
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录