语音增强的计算机仿真

研究关于盲源分离的特征向量分离算法在语音增强的应用,传统的方法对混合的语音信号很难进行有效的分离,而在实际中很多场合都需要对语音信号进行增强.为消除噪音,提高清晰度,使用的盲源分离算法却正能实现传统方法难以实现的技术.运用一种盲源分离的特征向量分离算法来进行语音增强,并且对实际的两个语音信号运用该算法进行了混合语音信号的分离增强实验,利用MATLLAB软件对混合语音信号进行了盲源分离的特征向量分离算法的仿真,可从混合语音信号分离出了两个原始语音信号.证明了盲源分离算法应用于语音分离的可行性,为盲源分离应用于语音增强提供了参考依据.     

改进的在线自然语音卷积混合信号时域盲分离方法

针对语音信号所具有的非平稳性和时域相关性，提出了一种新的卷积混合语音信号盲分离的在线时域算法。该算法通过利用分块处理方法和带遗忘因子更新的非完备约束条件及其推广，对于许多已有在线算法中存在的由于目标源数目随时间不断变化而产生的不稳定性问题，以及语音信号时域相关性而导致的恢复信号失真问题进行了改进，最后通过仿真，结果表明，本文方法可以有效地处理语音卷积信号的在线盲分离问题，同时在源数目变化时算法的鲁棒性较好。     

基于时频分布的非平稳信号盲分离算法

针对传统的盲源分离方法往往忽略信号非平稳性的问题,基于从瞬时线性混合模型的观测信号中分离出相互独立的源信号,并针对信号具有非平稳性,结合时频分析和盲源分离各自的特点,对非平稳信号盲分离进行了研究,并提出了一种新的具有不同空间时频分布的非平稳盲分离算法.仿真实验表明,通过采用维纳全时频域搜索来寻找局部最大值的平滑伪Wigner-Ville分布,该算法可以抑制交叉项而且能够保持时频聚集性,并达到了很好的分离效果.     

盲源分离算法在混合震动信号分离中的应用

提出了一种基于z变换域有理传递函数F的时间延迟正定盲源分离算法,并提出将其应用于人工勘探地震波时传感器采集到的混合震动信号的信噪分离及横、纵波的分离。该算法既适用于分离以线性方式混合的信号,也适用于以非线性方式混合信号。时间延迟长短的选择依赖于有待处理的震动信号数据的长度。仿真结果表明,该算法能有效地对Matlab生成的人工模拟震动波进行信噪分离及横、纵波的分离,为震动信号数据的后期处理及分析提供有利依据。     

改进频点权重系数的频域盲源分离排序算法

为解决卷积混合频域盲源分离排序不确定问题,研究了分离矩阵行列式变化和频点距离对基于相邻频点幅度相关性排序算法的影响,提出了改进的盲源分离排序算法.改进算法用权重系数来衡量频点对排序的影响,并将分离矩阵作为下一频点分离矩阵的迭代初值,给出了权重系数设定函数.最后对瞬时混合信号、卷积混合信号、实际房间采集信号分别进行盲源分离实验.实验结果表明,与Murata算法相比,改进算法分离信号信噪比提高、分离速度加快、算法鲁棒性强.     

基于准正交原理的多信源少观测源的盲语音信号分离

信号源个数多于观测信号个数情况下的盲源分离问题是盲信号分离中的一个难题,也是一个很实际的问题。论文在A.Hyvrinen提出的一种基于准正交原理的盲分离算法基础上,指出当混合矩阵的基矢量不满足准正交性时,可以对观测信号预白化,使混合矩阵的基矢量的准正交性得以很大提高。然后将此方法用于多信源少观测源情况下的混合语音信号分离。实验分为两个过程:(1)估计混合矩阵;(2)用最大后验概率的估计方法分离源语音信号。实验结果证明了该算法能够有效用于高维情况下多信源少观测源的盲语音信号分离。     

抑制干扰的频域盲源分离后处理算法

在混响时间较长的情况下,一般的频域盲源分离算法可能不完全收敛,导致分离信号中包含部分干扰信号,降低分离算法性能。根据语音信号在时频域分布的稀疏特性,估计分离信号中目标信号和干扰信号的功率谱密度,提出一种改进的频域维纳滤波后处理算法。仿真实验结果证明,与原有频域维纳滤波算法相比,该算法在不增加计算复杂度的前提下,抑制的干扰信号增加了1dB～2dB,是一种有效的频域盲源分离后处理算法。     

基于时域去相关预处理的卷积混合语音盲分离算法

因语音信号自身的相关性及不平稳性,使卷积混合语音信号的盲分离变得十分困难.本文提出了一种基于时域去相关预处理的卷积混合语音盲分离时域算法.该算法采用自适应格型预测误差滤波器对语音信号进行时域去相关处理,同时基于空域去相关算法完成卷积混合语音分离.该算法充分考虑了语音信号自身的相关性及不平稳性,具有计算量小、收敛速度快、稳定性好的优点.仿真实验验证了该算法在对卷积混合语音信号进行盲分离时的有效性.     

一种新型频域快速盲分离算法

为克服传统盲源分离算法分离效果差、计算量大且输出信号尺度模糊的缺点,提出了一种新型频域快速盲源分离算法.该算法在分析时域水声信号混合模型的基础上,构建新型频域混合模型,采用混合神经网络计算某一频率的分离矩阵,以此来估计全局分离矩阵.新算法较好地克服了尺度模糊问题,极大地减小了计算量,增加了分离算法的灵活性,分离性能较好.水声信号仿真实验和湖试实验均验证了算法的有效性.     

改进FOA算法在语音信号盲分离中的应用

简要介绍了果蝇优化算法的基本理论,针对FastICA等算法的稳定性和收敛性不够,而粒子群优化的盲分离运算速度慢的问题,将改进的果蝇优化算法应用到盲源分离研究中,提出了一种基于改进的果蝇优化的盲源分离算法。算法以信号的规范四阶累积量为代价函数,以改进果蝇算法对代价函数求极值,逐一确定分离向量,完成对线性瞬时混合语音信号的分离。仿真结果表明,算法能够有效实现对各混合语音信号的有序盲分离,且分离顺序能够确保按照源信号的规范四阶累积量绝对值的降序进行,分离精度也有一定的提高。