语音信号盲分离修改.doc

目 录 目 录 I 摘 要 II ABSTRACT Ⅲ 1 前 言 1 1.1 盲语音信号分离技术的背景及意义 1 1.2语音噪声特性分析 1 1.2.1 语音的特性 1 1.2.2语音信号的基本特征 2 2 盲信号处理 3 2. 1 盲信号处理的基本概念 3 2.2 盲信号处理的方法和分类 3 2.3 盲信号处理技术的研究应用 4 3 盲源分离法 6 3.1 盲源分离技术 6 3.2 盲分离算法实现 6 3.3 盲源分离技术的研究发展和应用 7 3.4 独立成分分析 8 3.4.1 独立成分分析的定义 10 3.4.2 ICA的基本原理 11 3.4.3 本文对ICA的研究目的及实现 12 4 盲语音信号分离的实现及抑噪分析 13 4.1 盲语音信号分离的实现 13 4.1.1 盲信号分离的三种算法 14 4.1.2 不同算法的分离性能比较 14 4.2 Fastica的算法仿真及结果分析 18 4.2.1 Fastica算法仿真实现 18 4.2.2分离结果分析 23 4.2.2 FastICA算法的分离性能分析 27 5 结 论 29 6 感想与总结 30 7 参考文献 31 附 录 32 摘 要 语音信号盲分离处理的含义是指利用盲源分离(Blind Source Separation，BSS)技术对麦克风检测到的一段语音信号进行处理。混合语音信号的分离是盲分离的重要内容，目前的混叠语音分离大多是建立在无噪环境中的混叠情形下，主要以盲源分离(Blind Source Separation，BSS)，根据信号的统计特性从几个观测信号中恢复出未知的独立源成分。 本文重点研究了以语音信号为背景的盲处理方法，在语音和听觉信号处理领域中，如何从混有噪声的的混叠语音信号中分离出各个语音源信号，来模仿人类的语音分离能力，成为一个重要的研究问题。具体实现主要结合ICA技术，将语音去噪作为一个预处理过程，对带噪声的混叠语音盲分离进行了研究，本文详细了介绍FastICA算法将该算法应用于实际的语音信号分离中，文章最后还介绍了分离效果评价准则，并比较了相关系数。 关键词： 语音信号，盲源分离，独立成分分析 ABSTRACT Blind separation of speech signal processing’s meaning is using BSS techniques to separate the mixed voice signals recorded in microphone. Separation of mixed speech signals is important for blind separation. The current separation of overlapping speech is built mostly in the absence of aliasing noise in the environment, under the circumstances, mainly in blind source separation (Blind Source Separation, BSS), the statistical characteristics of signal several observations from the unknown signal to recover the independent source components; This article focuses on how to separate the mixed speech signal using FastICA algorithm. We first get two clean speech signals then using a mixed matrix to mix the speech signals to get the mixed signals. And then we use FastICA algorithm to separate the mixed speech signal. Finally, we use the correlation coefficient and the relative error to evaluate the separation effects. The simulation results demonstrate that the separation effects are satisfied. Key Words: Voice signal, voice signal no