關(guān)于時(shí)域卷積混合語音信號(hào)盲分離方法及其應(yīng)用的研究.pdf

1、盲信號(hào)分離技術(shù)是近年來信號(hào)處理領(lǐng)域的一個(gè)研究熱點(diǎn)，由于其能夠在對(duì)原始信號(hào)和混合系統(tǒng)的先驗(yàn)知識(shí)都比較少的情況下，從觀測(cè)到的混合信號(hào)中恢復(fù)出原始信號(hào)，因此在無線通信、醫(yī)學(xué)信號(hào)處理、圖像增強(qiáng)和語音分離方面有著廣泛的應(yīng)用。 語音信號(hào)的盲分離問題是盲信號(hào)分離技術(shù)當(dāng)中非常重要，同時(shí)也是難度很大的一個(gè)部分。如何從一個(gè)實(shí)際的未知環(huán)境中所觀測(cè)到的混合語音信號(hào)里提取出說話人清晰的語音是一個(gè)典型的盲信號(hào)分離問題。在研究的早期忽略傳輸信道卷積效應(yīng)的基于

2、瞬時(shí)混合模型的語音信號(hào)盲分離技術(shù)已經(jīng)相對(duì)成熟。但在實(shí)際的應(yīng)用當(dāng)中，環(huán)境中的傳播延遲和反射效應(yīng)以及語音信號(hào)自身的統(tǒng)計(jì)特性使得這個(gè)問題變得更加復(fù)雜。例如信道中的反射引入的卷積效應(yīng)，語音信號(hào)的時(shí)斷時(shí)續(xù)以及源信號(hào)數(shù)目隨時(shí)間的變化，語音信號(hào)的不平穩(wěn)特性和時(shí)間相關(guān)特性給傳統(tǒng)算法帶來的困難等等，這些都是我們?cè)谒惴ㄑ芯抗ぷ鳟?dāng)中遇到的難點(diǎn)和挑戰(zhàn)。 針對(duì)以上的問題，本文基于卷積混合語音信號(hào)的時(shí)域盲分離方法在以下幾個(gè)方面進(jìn)行了研究和探索。 (

3、1)為了解決傳統(tǒng)互信息算法中由于語音信號(hào)的非平穩(wěn)和時(shí)間相關(guān)等特殊的統(tǒng)計(jì)特性和數(shù)學(xué)模型而產(chǎn)生的問題，本文結(jié)合分塊處理方法和帶遺忘因子的不完備約束條件，提出一種改進(jìn)的基于自然梯度法的在線卷積混合盲分離方法。 (2) 針對(duì)基于二階統(tǒng)計(jì)量的時(shí)域盲分離方法在迭代過程中的矩陣奇異問題進(jìn)行改進(jìn)，同時(shí)利用語音信號(hào)的AR模型和二階統(tǒng)計(jì)量信息得到卷積混合深度M的盲估計(jì)方法。 (3) 傳統(tǒng)的基于ICA理論的盲分離方法往往需要滿足源信號(hào)數(shù)目不大

4、于觀測(cè)信號(hào)數(shù)目的前提條件，但是在實(shí)際的應(yīng)用當(dāng)中，這個(gè)條件往往顯得過于苛刻。基于語音信號(hào)時(shí)頻圖稀疏性假設(shè)的time-frequency mask方法提供了一條新的解決思路，但是同時(shí)也存在二值mask帶來的能量損失等問題。本文在這一類方法的基礎(chǔ)上，結(jié)合在語音信號(hào)的AR模型，并利用時(shí)頻圖譜插值補(bǔ)償?shù)姆椒?，提出改進(jìn)后的時(shí)頻域結(jié)合的分離方法。 (4)完成了智能發(fā)育機(jī)器人系統(tǒng)—“復(fù)旦1號(hào)”的工程化工作，以及尋求語音信號(hào)盲分離方法在智能機(jī)器人