语音信号盲分离1重点解读.doc

课程设计任务书 学生姓名： 专业班级： 指导教师： 工作单位： 信息工程学院 题 目: 信息处理课群综合训练与设计——语音信号的盲分离（1） （2） （3） （4）用求出的分离矩阵从混合信号中分离出原语音信号，并画出各分离信号的时域波形和频谱图。 （5）对结果进行对比分析。 时间安排： 6.14～6.24： 理论设计 6.5～6.6：安装调试或仿真 6.25～7.1： 撰写报告 7.2： 答辩。 指导教师签名： 2012年 7月 02 日 系主任（或责任教师）签名： 2012年 7月02目录 摘 要 1 Abstract 2 1 绪论 3 1.1研究背景与意义 3 1.2盲源分离的国内外研究进展 3 1.2.1线性瞬时混合信号 3 1.2.2非线性瞬时混合信号 4 2 语音信号的分析 6 2.1语音信号时域分析 6 2.2语音信号频域分析 7 2.3语音信号的MATLAB应用程序 7 2.3.1输入语言的MATLBA时域和频谱图程序分析 7 2.3.2混合语音信号的MATLBA时域和频谱图程序分析 10 3 盲分离的基本概念 14 3.1 盲分离的数学模型 14 3.2 盲源分离的基本方法 14 3.3 盲分离的目标准则 16 3.4 盲分离的研究领域 17 3.5 盲分离的研究内容 18 4 FastICA算法 20 4.1 数据的预处理 20 4.2 FastICA算法 21 4.3 分离后的信号的时域和频谱图 24 4.4对比分析 25 参考文献 26 附件1 整体程序 27 摘 要 语音信号的分离近年来成为信号处理领域的一个研究热点，它在电话会议、助听器及便携设备、机器的语音识别方面有很多的应用与影响。而盲信号处理的方法常被用于语音分离中去，“盲”是指没有关于源信号本身以及传输信道的知识，盲分离的理论基础是独立分量分析，其可以广泛的被应用于通信、图像、语音、生物医学、雷达、地震、声纳等多种类型信号的处理。盲分离技术可以用于消除不需要的干扰以增加语音质量。 语音分离使得助听器有更强大的处理功能，使得接收信号分离出尽可能接近原始的语音。更适合于语音编码和基音检测。特别是在混合语音信号进行编码方面，传统的单通道方法处理起来十分困难，而混合语音可以看作多路语音信号的线性组合，其每一路语音信号都可视为独立分量，这正好与ICA 的假设相符。语音识别。机器的语音识别能力远不及人类，尤其是在有噪音和干扰的背景下。 这时作为语音识别的前端处理，盲语音分离可以很好的去除干扰，不论是加性噪声还是其他不感兴趣的语音，这就大大增强了机器的识别率。“人类最重要的特性之一就是我们能够去聆听另一个人的言语并且互相交流，而且这种交流通常是在不止有一个人在场的情况下。我们每天都会经历到这一切，也认为这是理所当 然的。目前为止没有人手造的任何一台机器能够做到这些，即从数个混在一起的语音中提取出感兴趣的某一个来。”本文所研究的语音信号分离算法可以认为是模仿人类的语音分离能力，因此具有较大的应用前景和现实意义。 关键词： 语音分离 盲算法 ICA Abstract Separation of speech signals in recent years become a hot research topic in the field of signal processing, in a conference call, hearing aids and portable devices, speech recognition machine has many applications and impact. Blind signal processing methods often used for speech separation Blind refers to no knowledge of the source signal and transmission channel, the theoretical basis of the blind source separation, independent component analysis, it can be applied to a wide range of communications, image, voice, biomedical, radar, seismic, sonara type of signal processing Blind sou