共查询到20条相似文献,搜索用时 31 毫秒
1.
针对语音卷积混合模型,提出了一种新的时域盲源分离算法。首先对观测信号进行重新排列,将卷积混合盲分离问题转化为瞬时混合盲分离问题,然后对联合近似对角化算法进行了推广,利用语音的非平稳和短时平稳特征定义联合差分相关矩阵和联合块对角化代价函数,通过鲁棒的白化过程和求解最优化问题实现卷积语音的盲分离。由于避免了时域卷积运算和变换域处理,使算法更加简单,复杂度更低。仿真结果验证了该算法的有效性,同时,就数据长度参数变化对信干比的影响,以及通过与基于线性预测的卷积盲分离算法和自然梯度卷积盲分离算法的比较对该算法的性能做了进一步的分析。 相似文献
2.
3.
通过FIR滤波器矩阵代数将盲源分离算法扩展为多通道盲解卷积算法,得到了多通道盲解卷积的自然梯度算法和等变自适应算法.然后,分别对两纯亚高斯信号的卷积混合信号和两纯超高斯信号的卷积混合信号进行盲解卷积分离,给出了分离滤波器和全局滤波器的脉冲响应以及描述算法性能的ICI、ISI和MC-ISI指标,仿真结果表明基于滤波器矩阵代数的多通道盲解卷积自然梯度算法对同系信号的分离和解卷积均具有很好的效果. 相似文献
4.
实际信号的混合均为卷积混合,且信号是非平稳的。盲源分离的目标就是找到一组分离滤波器,使得源信号的估计信号互相统计独立。结合信号的非平稳性,利用二阶解相关原理,文章阐明了一种在频域实现卷积混合的盲源分离算法,并且考虑了噪声对分离性能的影响。为了避免频点排列次序的不确定性,利用了多阶段盲源分离思想。利用该算法,对两路混合的实录水声信号进行盲分离,得到了两路源信号的估计信号,通过对估计信号的分析,利用信噪比提高率这一标准,验证了该算法的有效性。该算法收敛速度快,精度高,可用于浅海环境下实录水声混合信号的盲分离。 相似文献
5.
在语音信号盲分离问题中,通过短时傅立叶变换把语言信号从时域卷积混合转化为各频点的瞬时混合将导致分离结果出现次序和幅度上的不确定性。本文通过实验探讨了信号盲分离的方法,及其幅值补偿与重新排序的方法,并在MATLAB环境中进行了仿真,实现了语音信号的盲分离。 相似文献
6.
7.
采用同伦非线性模型对语音信号进行建模,将非线性可预测性作为盲源分离的准则,推导了基于同伦模型的盲源分离算法,成功地实现了语音信号的分离。这种方法是对基于线性预测模型盲源分离算法的推广,它既适用于分离采用线性预测模型建模的信号,也可以分离采用同伦非线性模型建模的信号(如语音)。理论分析和仿真表明,这种方法比基于线性可预测性的盲分离算法具有更广的适用范围,对于语音信号的分离,此种算法具有更快的收敛速度。 相似文献
8.
在常规的水声信号盲处理研究中,通常都是用独立成分分析算法分离线性混合信号,而对于较复杂的非线性混合信号,独立成分分析算法无能为力。针对这种情况,提出将慢特征分析(Slow Feature Analysis,SFA)算法应用于水声信号非线性盲源分离领域。一般而言,对源信号做非线性混合变换后输出混合信号较源信号变化较快,而采用SFA算法可以从复杂的非线性混合信号中提取出变化缓慢的信号,通过仿真实验,分别对简单信号和复杂水声信号的非线性混合信号进行分离,通过将源信号与分离信号对比,发现SFA算法输出信号与源信号高度相似,验证了SFA算法在非线性盲源分离领域应用的有效性和可行性。 相似文献
9.
由于机械噪声传播过程中存在反射等多种因素影响,大多数情况下混合噪声分离更适合采用卷积模型,为此提出了一种多频点盲解卷算法。有别于传统的频域盲解卷算法,新算法利用有限的少数几个频率点直接从频域模型恢复出时域噪声信号。算法为瞬时混合盲分离。主成分分析一瞬时混合盲分离结构,首先对给定的每一个频率点执行瞬时混合盲解卷算法,获得噪声源的基本估计,然后再经过主成分分析和第二次盲源分离。提高分离性能和增加算法鲁棒性。由于算法不需要对所有频率点执行瞬时混合分离,计算量小,同时也不存在传统频域盲解卷算法排列顺序不确定性的缺点,具有较好的应用价值。仿真实验证实了新算法能有效地分离机械噪声信号。 相似文献
10.
11.
研究了在未知声源信息和传声器空间位置的情况下,利用盲信号分离的方法实现语音增强。通过把基于信息论的信息最大化算法推广到频域,使得时域的卷积混合问题转变为频域的瞬时混合问题,进而就可以在每个频段分别进行独立分量分析,分离效果有明显改进,算法收敛性也得到提高。为了克服在频域中实现盲分离时所固有的位序不确定性和比例缩放问题对分离性能的严重影响,采用聚类的方法对每个频率段的分离结果进行排序。对真实环境中录制的语音、音乐混合信号和语音、语音混合信号进行了计算机仿真,分离之后使语音的信噪比提高了10-15dB,很好地实现了语音增强的目的。 相似文献
12.
13.
14.
15.
目前的欠定盲分离算法只能分离稀疏信号,对于不稀疏的信号分离效果不理想。经典独立分量分析算法中的扩展Infomax算法既能分离超高斯信号,也能分离亚高斯信号,但却只能应用于观测数不少于源数的超定盲源分离,结合扩展Infomax算法,本文提出了一种欠定ICA算法,通过生成隐藏数据将欠定盲分离问题转化为超定盲分离问题,然后再应用经典的扩展Infomax算法进行分析,该方法可以分离欠定情形下超高斯和亚高斯混合信号。并用该算法对实测的齿轮箱混合故障信号进行分离,再用包络阶次方法对分离出的信号进行分析,成功识别出了齿轮箱的不同故障特征,验证了该算法在齿轮箱故障诊断中的有效性。 相似文献
16.
17.
一种功能增强的信号源盲分离新算法 总被引:1,自引:0,他引:1
提出了一种新的信号源盲分离算法,该算法不仅能够有效地求解源信号中同时存在超高斯信号和亚高斯信号的杂系混合(hybrid mixture)的信号源盲分离问题,而且能够准确地估计未知信号源的数目,因而具有比一般盲分离算法更广得多的应用范围,对于杂系混合盲分离问题,一般的盲分离算法往往不能求解,现有的绝大多数盲分离算法总是假设信号源的数目是已知的,这在多数背景下是不适用的,从而大大限制了信号源盲分离这一信号处理方法的实际应用范围,通过利用概密度函数估计的核函数法对信号源盲分离算法中的评价函数(score function)直接进行估计,并利用混合信号样本自相关矩阵的秩数与未知信号源数目的内在联系,使这两个关键性的问题在所提出的盲分离新算法中都得到了非常成功地解决,算例证实了算法的有效性。 相似文献
18.
19.