語音盲分離算法的研究.pdf

1、語音盲分離算法源于盲源分離技術(shù)，盲源分離技術(shù)是20世紀(jì)最后十年迅速發(fā)展起來的一個(gè)新的研究領(lǐng)域，其目的是僅從觀測信號(hào)來恢復(fù)出各個(gè)源信號(hào)。 到目前為止，盲源分離算法的研究大體上可以分為兩個(gè)支系:一支是多通道盲源分離算法的研究；另一支是單通道盲源分離算法的研究。 本文多通道盲源分離算法主要使用獨(dú)立分量分析方法，例如自然梯度算法、信息最大化算法、全局最優(yōu)算法、最大信噪比算法、靈活獨(dú)立分量分析算法等；單通道盲源分離算法主要使用計(jì)算

2、聽覺場景分析方法，例如Wang-Brown模型、Hu-Wang模型。 本文主要闡述了線性瞬時(shí)無噪混合獨(dú)立分量分析模型的基本原理，在這個(gè)模型的框架下描述了自適應(yīng)自然梯度算法、批處理自然梯度算法的基本原理并實(shí)現(xiàn)了這兩種算法。本文在固定步長批處理自然梯度算法的基礎(chǔ)上，提出了一種新的變步長批處理自然梯度算法，仿真結(jié)果表明，與固定步長算法相比，變步長算法有更快的收斂速度和較小的穩(wěn)態(tài)誤差。 本文描述了信息最大化算法的基本原理，基本的

3、信息最大化算法是建立在轉(zhuǎn)換函數(shù)為Sigmoid函數(shù)的基礎(chǔ)上的，這里提出了基于轉(zhuǎn)換函數(shù)為雙曲正切函數(shù)的信息最大化算法，仿真結(jié)果表明，轉(zhuǎn)換函數(shù)為雙曲正切函數(shù)的算法收斂速度快于轉(zhuǎn)換函數(shù)為Sigmoid函數(shù)的算法，并且穩(wěn)態(tài)誤差小于轉(zhuǎn)換函數(shù)為Sigmoid函數(shù)的算法。 本文對基于全局最優(yōu)、最大信噪比的語音盲分離算法也進(jìn)行了研究并實(shí)現(xiàn)了這兩種算法，仿真結(jié)果表明了兩種算法的良好分離性能。 本文還描述了靈活I(lǐng)CA算法的基本原理，靈活I(lǐng)C

4、A算法的概念源于自然梯度框架下的廣義高斯分布，本文針對廣義高斯分布模型中的高斯指數(shù)的估計(jì)提出了一種改進(jìn)的靈活I(lǐng)CA算法，本文還在廣義伽瑪分布模型的基礎(chǔ)上根據(jù)峰度提出了基于廣義伽瑪分布的靈活I(lǐng)CA算法，仿真結(jié)果表明，與基本的靈活I(lǐng)CA算法相比，改進(jìn)的靈活I(lǐng)CA算法有較快的收斂速度和較小的穩(wěn)態(tài)誤差，而雖然基于廣義伽瑪分布的靈活I(lǐng)CA算法的穩(wěn)態(tài)誤差稍大于其它兩種算法，但還是能夠保證算法良好的分離性能，并且收斂速度遠(yuǎn)快于其它兩種算法。