基于變分貝葉斯的語音信號盲源分離算法研究.pdf

1、盲源分離算法因為其在科學研究和工程應用領域的廣闊發(fā)展前景而受到越來越多的研究人員的注意。近幾年盲源分離算法開始在信號處理領域得到廣泛應用，且由于良好的處理結果而受到廣泛關注。但是傳統(tǒng)的獨立分量分析方法在對語音信號進行分離的時候存在沒有考慮噪聲對混合系統(tǒng)的干擾，對觀測信號和已知的先驗信息沒有充分利用導致分離效果不理想，以及對語音信號的內(nèi)在結構特征沒有充分考慮等不足。為了克服以上的不足，使語音分離更符合實際情況，提高其應用價值，本文在研究中

2、將變分貝葉斯獨立分量法引入有噪語音分離系統(tǒng)進行分析，并針對語音信號內(nèi)在所包含的時間結構特性，運用自回歸模型對語音信號進行建模，提出了基于AR模型的變分貝葉斯獨立分量分析算法。然后運用仿真實驗和評價指標分析來驗證了算法的效果。
　　本文的主要內(nèi)容有如下幾個方面:
　　首先，簡要的介紹了盲源分離的理論的相關知識，主要有相應的原理和數(shù)學模型，獨立分量分析的幾種目標函數(shù)和優(yōu)化算法，以及算法前的預處理方法，并對兩種經(jīng)典的傳統(tǒng)獨立分量分

3、析算法進行了推導和分析。
　　其次，引入了變分貝葉斯獨立分量分析對含噪聲的語音混合系統(tǒng)進行分離，從貝葉斯網(wǎng)絡和貝葉斯推論入手，充分利用了混合系統(tǒng)的先驗信息，為了解決混合系統(tǒng)后驗概率計算非常復雜的問題，運用了變分近似的方法完成了整個變分貝葉斯獨立分量分析的原理推導，并通過與上文兩種經(jīng)典的獨立分量分析的算法進行仿真和評價指標的對比，表明該算法結果更優(yōu)。
　　最后，針對語音信號內(nèi)在的時間特性，在上文的基礎上提出了基于泛化自回歸模型