頻域盲源分離算法研究及其在高速列車噪聲成分分離中的應(yīng)用.pdf

1、盲源分離問題研究的是如何將各個(gè)源信號(hào)從觀測(cè)得到的混合信號(hào)中分離出來，所謂“盲源”，是指源信號(hào)和混合環(huán)境都未知。盲源分離技術(shù)有許多潛在的應(yīng)用，例如語音增強(qiáng)、語音識(shí)別、腦電信號(hào)分析及核磁共振成像分析、特征提取、地質(zhì)勘探、圖像去噪、高光譜圖像處理等。
　　在本文中，我們主要關(guān)注的是頻域盲源分離算法。由于信號(hào)在介質(zhì)中的傳播速率是有限的，所以在真實(shí)環(huán)境中所觀測(cè)得到的信號(hào)往往是各個(gè)源信號(hào)以及它們的延時(shí)、衰減、回響的疊加，即信號(hào)是卷積混合的。頻

2、域盲源分離算法利用短時(shí)傅里葉變換（Short Time Fourier Transform，STFT）將時(shí)域上的卷積混合轉(zhuǎn)換為頻域上的瞬時(shí)混合，然后利用目前研究比較成熟的瞬時(shí)盲源分離算法在各個(gè)頻段上進(jìn)行分離，所以，整個(gè)分離問題可以得到極大的簡(jiǎn)化。但是，頻域盲源分離算法也會(huì)受到所謂的“排列歧義性”的影響:在輸出最終結(jié)果之前必須將各個(gè)頻段上分離好的信號(hào)重新調(diào)整為相同的輸出順序，也就是說，在各個(gè)頻段分離完畢之后，頻域盲源分離算法還需要一種排列

3、算法作為后期處理步驟來解決排列歧義性。
　　本文主要介紹了作者在對(duì)頻域盲源分離算法的研究過程中所開展的四項(xiàng)工作，包括:
　　1.使用核方法和譜方法解決排列問題。在頻域盲源分離算法中，聚類技術(shù)被廣泛用于解決排列歧義性。然而，目前的研究中仍然存在一些問題尚未解決，例如需要處理長(zhǎng)條形分布的數(shù)據(jù)，以及需要考慮排列問題特有的限制條件等。由于核方法和譜方法在機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘中的廣泛應(yīng)用，所以我們嘗試使用這些技術(shù)來解決排列問題。在該項(xiàng)工

4、作中，我們根據(jù)排列問題特有的限制條件修改了kernel k-means方法，并且使用譜聚類的思想對(duì)核方法的原理進(jìn)行了解釋。另外，我們還根據(jù)排列問題的具體特點(diǎn)提出了幾種核映射的構(gòu)造方法以提高排列算法的性能。
　　2.基于子頻帶和子空間非線性映射的IVA(Independent Vector Analysis)算法。IVA算法是近年來才提出的一種新技術(shù)，該方法的應(yīng)用之一就是解決頻域盲源分離問題。和傳統(tǒng)的按頻段瞬時(shí)分離加排列算法的方法相

5、比，IVA最大的優(yōu)點(diǎn)在于它能夠在分離的過程中同時(shí)進(jìn)行排列，所以IVA之后不需要再使用額外的排列算法進(jìn)行后期處理。在這項(xiàng)工作中，我們提出了對(duì)IVA方法的兩項(xiàng)改進(jìn):首先提出了一種新的子頻帶構(gòu)造方法，在分離過程中IVA將以子頻帶為單位從高頻到低頻進(jìn)行分離，而子頻帶中數(shù)據(jù)的強(qiáng)相關(guān)性將有利于解決排列問題;第二，為了增強(qiáng)算法的穩(wěn)定性以及減少噪聲的影響，IVA的非線性映射將在由數(shù)據(jù)的相關(guān)矩陣的最大特征值對(duì)應(yīng)的特征向量張成的一維子空間上計(jì)算。這兩項(xiàng)改進(jìn)

6、同時(shí)使用的話不但能夠提升IVA算法的分離性能，而且還能增強(qiáng)算法的穩(wěn)定性。
　　3.頻域盲源分離算法的性能評(píng)價(jià)。為了開發(fā)更好的盲源分離算法，如何對(duì)算法的分離性能進(jìn)行定量評(píng)價(jià)也是一個(gè)值得深入研究的問題。在本工作中我們針對(duì)頻域盲源分離算法的特點(diǎn)對(duì)現(xiàn)有的評(píng)價(jià)方法進(jìn)行了改進(jìn):首先從混合和分離系統(tǒng)中計(jì)算出統(tǒng)一的信號(hào)能量傳遞網(wǎng)絡(luò)，或是在頻域上從源信號(hào)和分離所得的信號(hào)中估計(jì)出能量傳遞網(wǎng)絡(luò)的參數(shù)。然后再根據(jù)前一步的計(jì)算結(jié)果對(duì)信號(hào)的能量進(jìn)行分解，從而

7、計(jì)算不同的評(píng)價(jià)指標(biāo)。在該工作中提出的方法尤其適合于在模擬實(shí)驗(yàn)環(huán)境中對(duì)頻域盲源分離算法進(jìn)行性能評(píng)價(jià)。
　　4.高速列車噪聲成分分離。高速列車噪聲是影響車內(nèi)旅客舒適度和鐵路沿線居民生活質(zhì)量的關(guān)鍵因素，如何有效的降低噪聲是高速列車設(shè)計(jì)者們所關(guān)心的問題之一。研究表明，高速列車噪聲是由車體振動(dòng)、輪軌噪聲、氣動(dòng)噪聲、設(shè)備噪聲等因素混合而成的綜合結(jié)果，如果能將各種噪聲成分從測(cè)量得到的信號(hào)中分離出來將對(duì)列車的減振降噪設(shè)計(jì)起到一定的參考作用。由于盲