语音信号频域肓分离中一种频率对准方法

混合语音信号可以使用盲分离频域解法,对观测信号在每一个频点分别进行复值独立分量分析(CICA)算法来解混并得到分离信号,但带来了幅值和次序不定问题(后者又称频率对准).讨论了频率对准算法中基于DOA估计的方法,并提出了一种基于分离矩阵初始化的频率对准方法,此方法易于实现.通过仿真表明,该方法较好地解决了次序不定问题,对卷积混合语音信号有较好的分离效果.     

基于四阶累积量和简化粒子群的盲分离算法

针对线性混合盲信号分离问题,本文提出一种基于四阶累积量和简化粒子群优化的盲信号分离新算法。该算法采用信号的四阶累积量作为目标函数,运用简化粒子群优化算法对目标函数进行优化,最终实现对混合信号的盲分离。仿真结果表明,该算法能够有效实现对会议语音混合信号的盲分离,跟其他算法相比,具有更快收敛速度和分离精度。     

基于相邻频点幅度相关的语音信号盲源分离

排序和幅度不一致性是在频域进行信号盲源分离的主要困难。针对语音信号邻近频点间信号幅度相关性能良好这一特点，本文提出基于相邻频点间幅度相天的盲源分离算法，用以消除卷积信号盲源分离过程中排序不确定性。本算法理论简单，稳健性好。仿真结果表明该方法对卷积混合后的语音信号能得到较好的分离效果，并且耗时较短。     

一种基于时频分析的语音卷积信号盲分离算法

本文根据语音信号在实际环境下传播存在多径效应而造成反射信号之间产生时延差异的特点,提出了一种新的基于卷积混合矩阵模型的盲分离算法.该算法利用语音信号频谱中普遍存在的稀疏特性,通过对两路接收信号语谱图的对比分析估计出模型中时延参数和幅度系数的待定值;更进一步,从极大似然估计的思想出发,构造了一种基于时延参数和幅度系数的可信度函数,提出了通过寻找上述可信度函数的峰值以准确确定混合矩阵参数的方法.与现有的基于独立性假设的盲分离算法不同,本算法利用了语音信号频谱中普遍存在的稀疏特性,适用于求解大多数场合下的盲源分离问题.由于本算法本质上是一种非迭代的算法,且不存在发散的问题,故具有快速、稳定的特点.仿真实验和实际环境下所得到的实验结果表明,该算法能在各种信噪比的条件下准确地估计出由环境所确定的时延和幅度参数,并据此成功地分离出源语音信号,是一种面向真实环境下语音盲分离应用的有效算法.     

语音信号频域盲分离中一种频率对准方法

混合语音信号可以使用盲分离频域解法,对观测信号在每一个频点分别进行复值独立分量分析（CICA）算法来解混并得到分离信号,但带来了幅值和次序不定问题（后者又称频率对准）。讨论了频率对准算法中基于DOA估计的方法,并提出了一种基于分离矩阵初始化的频率对准方法,此方法易于实现。通过仿真表明,该方法较好地解决了次序不定问题．对卷积混合语音信号有较好的分离效果。     

基于独立分量分析的盲源分离方法研究

盲源分离是指在没有任何先验知识的前提下,从观测到的多个混合信号中提取或分离出未知源信号的过程.本文主要探讨了基于独立分量分析的盲源分离自然梯度算法及活动函数的选取,并利用该算法实现了5路混合信号和3路自然语音信号的分离,最后在Mat-lab2008下进行了仿真验证.结果表明该算法能够有效实现语音信号的分离.     

一种快速的频域盲语音分离系统

对真实环境中的混迭语音信号进行盲分离是一个非常困难的任务。许多在仿真信号环境下工作很有效的算法常常不能成功地分离真实环境中录取的混迭语音信号。本文通过对一系列预处理(如解相关),独立分量分析和后处理(解排列和尺度不定性)算法进行优化和有机结合,提出了一种快速的频域盲语音分离系统,有效地实现了对卷积混迭的语音信号的盲分离。特别,文中引入一种改进的数据白化算法,它可以节省运算量并提高独立分量分析算法的收敛速度。基于真实录音信号的仿真实验显示该系统能够快速和稳健地分离卷积混迭的语音信号。     

基于EMD和ICA的单通道语音盲源分离算法

针对单通道语音信号盲分离的问题,结合盲源分离和经验模式分解的优点．提出了一种基于经验模式分解的单通道语音信号源数估计和盲源分离方法。对语音混合信号进行经验模式分解,利用贝叶斯算法估计语音源数目,根据源信号数目重组多通道语音混合信号,并采用独立分量分析实现语音信号的盲分离。仿真实验表明,使用此法能有效地估计通道语音信号源数和分离盲源。     

扩展信息最大化盲源分离算法的研究

盲源分离技术是信号处理和神经网络领域近年来的一个热点研究课题,由于其能够从观测的混合信号中恢复出源信号,而对源信号和混合系统的先验知识要求很少,因此在语音信号处理、无线信号处理、生物医学信号处理、地震信号处理,以及图像增强等方面都具有非常重要的理论意义和实用价值。信息最大化盲源分离算法能够有效地分离语音信号的瞬时混合,但是不能分离超高斯信号(如语音信号)和亚高斯信号(如正弦信号)的混合。基于此,本文讨论了扩展信启、最大化盲源分离算法,通过仿真表明,该算法可以有效的对各种源信号的线性即时混合进行分离,实验证明了该算法的有效性。     

结合深度循环神经网络的单通道盲分离

单通道信号盲分离技术一直是现代信号处理领域的研究热点.基于逐幸存路径处理(Per-Survivor Processing,PSP)的盲分离算法,能从混合信号中估计出2路发送的符号序列,缺点是计算复杂度很高.从降低算法复杂度的角度,提出了一种基于双向循环神经网络的分离方法,经过端到端的学习,可以直接从2路同频调制信号单通...     

一种微弱直接序列扩频信号的盲自适应解扩算法

针对微弱直扩信号扩频码的盲估计和信息码的盲解扩问题,本文提出了一种能同时分离直扩信号扩频码和信息码的非线性盲自适应恒模算法,达到了对直扩信号盲处理。本文首先提出了直扩信号的盲分离问题,然后详细分析推导了盲自适应随机梯度恒模算法,最后将该盲自适应随机梯度恒模算法应用到了对微弱直扩信号的盲分离中,并从理论上阐明了可以用该算法来实现直扩信号的盲分离。所提出的算法完全不同于以往的基于矩阵分解（奇异值分解、特征分解等）的伪码盲估计方法,它的存储开销量和计算量都比较小,可以实现对较长伪码构造的直扩信号的处理,而且它的计算速度较快,在某种程度上解决了传统的基于矩阵分解的方法在直扩信号的实时处理及实现上的困难。理论分析和数值结果都表明了所提方法能较好地工作在较低的输入信噪比条件下。      

一种有效的语音信号盲分离方法

利用语音信号的短时平稳特性,本文提出了一种WVA分布与联合对角化的盲分离方法,该方法采用新的联合差分相关矩阵白化算法去除有色噪声影响,估计出源语音信号,实现对混叠信号的盲分离.通过仿真实验,结果表明,本算法具有分离效果好,能有效的将混叠的盲语音信号分离.     

一种新的多通道混合语音时域盲分离算法

卷积混合语音进行盲源分离时,不能直接应用独立分量分析（ICA）算法。采用一种新的卷积混合语音模型,对多通道混合语音使用近来提出的时域EFICA算法进行盲分离,然后利用聚类和重构算法来恢复源信号。通过真实语音实验表明,提出的算法能有效地分离混合语音信号。     

一种有效的语音信号盲分离方法

频域盲语音信号分离存在着排序模糊问题,提出一种基于相邻频点幅度相关和DOA估计相结合的解排序模糊方法,并且通过对一系列预处理（白化）、独立分量分析和后处理算法的优化和有机组合,很好地实现了卷积混合语音信号的盲分离。用真实录制的语音信号进行了仿真实验,恢复出来的源信号的信干比较分离之前提高了约13dB,证明了算法的有效性。     

分数低阶矩的信号盲分离方法

具有尖峰脉冲特性的α稳定分布信号或噪声不存在二阶及二阶以上的统计量,传统基于二阶统计量(SOS)或高阶统计量(HOS)盲分离和独立成份分析(ICA)算法效果不理想,甚至失效。对脉冲噪声环境下的盲分离技术进行了研究,推导出一种基于分数低阶矩的信号盲分离算法,并进行了仿真检验,结果表明所提出的方法对实现α稳定分布信号或含有α稳定分布噪声的信号盲分离效果很好,并具有良好的韧性。     

一种新的适用于多径信道的基于LMK准则的盲自适应多用户检测及其收敛性分析

基于最小平均峰度(Least MeanKurtosis,LMK)准则],该文提出了一种适用于同步直扩码分多址(DS/CDMA)系统多径慢衰落信道中的线性盲自适应多用户检测算法。这种算法基于高阶统计量(High Order Statistics,HOS)特性,算法复杂度相对较低。文中分析了算法在多径信道中无噪声情况下的收敛特性,指出在这种情况下,算法具有全局最小点,此时算法满足解相关条件。仿真结果表明,文中给出的检测器具有较强的多址干扰抑制性能。     

基于特征向量选择的非线性盲分离算法

在基于解广义特征方程的线性混合信号盲分离方法的基础上,结合核特征空间给出了一种基于特征选择的非线性混合信号盲分离算法。该算法首先将非线性混合信号映射到高维特征空间,根据适应度函数选出一组完备的特征向量基。其次,通过这组特征向量基将高维特征空间的信号映射到参数空间,从而把非线性混合信号盲分离问题转化为特征空间的线性混合信号盲分离问题。在特征空间中,应用基于解广义特征方程的线性混合信号盲分离方法对信号进行分离。该方法稳定性好,收敛精度高,计算量小。仿真结果表明该算法具有良好的分离性能。     

混合语音信号的盲分离

重点研究了卷积混合语音信号的盲分离方法。语音信号是非平稳信号,但是它在短时间上具有平稳性。因此,本文对语音信号进行加窗傅立叶变换（FFT）将卷积混合问题转换为频域上每个频点的瞬时性BSS（blind source separation）问题,采用定点（fixed—point）ICA（independent component analysis）算法对混合语音信号进行了分离,并用matlab进行了仿真。     

基于MUSIC算法的二次雷达应答信号分离方法

为了提高在高密度信号环境下对二次监视雷达(SSR)应答信号的接收性能,该文提出一种将信源数估计和信号到达方向(DOA)估计相结合构建分离矩阵实现交叠信号分离的算法。首先根据交叠信号量测的特征值分布来确定交叠信号的个数;然后利用MUSIC算法作谱峰搜索得到各信号的DOA,并重构混合矩阵;最后通过计算混合矩阵的广义逆得到分离矩阵,并实现对交叠信号的分离。以6阵元均匀线阵为前提进行仿真分析,结果表明所提分离算法可达到90%以上的分离成功率,分离性能和独立成分分析(ICA)算法相当,优于基于投影技术分离算法(PA),但计算量远小于ICA算法,不足ICA算法计算量1/10,更易于工程化应用。     

源信号数目大于观察信号数目情况下的盲源分离

独立分量分析(ICA)作为一种有效的盲源分离技术(BSS）是信号处理领域的热点。传统的独立分量分析都要求观察信号数目大于或者等于源信号数目，然而对于脑电图(EEG)等的一些信号处理中存在的源信号数目大于观察信号数目的情况，传统的独立分量分析算法不能有效分离。该文针对源信号数目大于观察信号数目的情况，在传统的独立分量分析技术的基础上，给出了一个新的学习算法，并将新算法与传统的独立分量算法进行了比较。实验仿真结果证明该算法在给定2个混合信号的情况下能够较好地分离3个未知语音信号源，成功实现了源信号数目大于观察信号数目情况下的盲源分离。