基于源信號(hào)模型的盲分離技術(shù)研究及應(yīng)用.pdf

1、盲源分離是現(xiàn)代信號(hào)處理領(lǐng)域中一個(gè)新的研究方向。它具有堅(jiān)實(shí)的理論基礎(chǔ)和廣泛的應(yīng)用前景。瞬時(shí)線性混合模型是一種理想的假設(shè)，在實(shí)際應(yīng)用中有很大的局限性。因此，當(dāng)前國內(nèi)外的研究都集中于含噪混合、非平穩(wěn)混合和傳感器(接收器)數(shù)目少于源數(shù)目的欠定混合等問題。本文的研究工作正是圍繞以上一些熱點(diǎn)展開的。 含噪混合更符合實(shí)際的應(yīng)用，因此本文的研究集中在含系統(tǒng)噪聲的盲信號(hào)分離問題，即從已知的含噪觀測(cè)信號(hào)中盡可能準(zhǔn)確地分離出源信號(hào)。不僅研究了傳感器(

2、接收器)數(shù)目不少于源信號(hào)數(shù)目的含噪盲分離問題，而且嘗試研究了單通道含噪盲信號(hào)分離問題，從一個(gè)含噪的觀測(cè)信號(hào)中分離出兩個(gè)源信號(hào)。本文所提出的盲分離算法都是建立在變分貝葉斯學(xué)習(xí)的基礎(chǔ)上，充分利用了每個(gè)源信號(hào)本身的時(shí)間相關(guān)特性，采用了合適的模型描述其時(shí)間結(jié)構(gòu)。把系統(tǒng)噪聲的統(tǒng)計(jì)特性和源信號(hào)的時(shí)間相關(guān)信息綜合考慮，既能有效地減少噪聲的影響，又能分離出源信號(hào)。最后，從獨(dú)立成分分析的應(yīng)用出發(fā)，研究了獨(dú)立成分分析解決語音增強(qiáng)問題，分析已有的增強(qiáng)算法，提

3、出更有效的噪聲壓縮方法。 本文的創(chuàng)新工作如下： (1)研究了從被系統(tǒng)加性噪聲污染的觀測(cè)信號(hào)中分離源信號(hào)的問題，把有效降噪和源信號(hào)分離兩個(gè)目標(biāo)綜合起來，提高了在噪聲環(huán)境下算法的魯棒性； (2)充分利用源信號(hào)本身的時(shí)間結(jié)構(gòu)，采用相應(yīng)的模型--自回歸模型、泛化自回歸模型和時(shí)變自回歸模型，近似地描述這種時(shí)間結(jié)構(gòu)，從而提高了分離結(jié)果的準(zhǔn)確性； (3)嘗試研究了具有挑戰(zhàn)性的難點(diǎn)問題--單通道盲信號(hào)分離問題，建立單通道

4、含噪混合過程和自回歸源信號(hào)模型對(duì)應(yīng)的狀態(tài)空間模型，把源信號(hào)分離作為狀態(tài)估計(jì)問題來處理，采用變分卡爾曼平滑算法估計(jì)源信號(hào)； (4)充分利用變分貝葉斯學(xué)習(xí)的優(yōu)點(diǎn)，既考慮系統(tǒng)的加性噪聲，又考慮源信號(hào)包含的時(shí)間信息，所提出的基于變分貝葉斯學(xué)習(xí)的幾種盲分離算法不僅能避免過擬合，還可以定量地比較不同的模型，使所選擇的模型更符合已知的觀測(cè)數(shù)據(jù)； (5)研究了獨(dú)立成分分析在語音增強(qiáng)中的應(yīng)用。語音信號(hào)通過獨(dú)立成分分析，增強(qiáng)了基系數(shù)的稀疏性