多声源分离的仿真实验

运用Labview软件实现了多声源分离的仿真实验,该实验以基于负熵的快速ICA算法为理论基础。在此基础上模拟了两个独立的源信号,它们经过混合后形成了两个混合信号,通过模拟实验验证了混合信号的准确分离。该结果为以后实现噪声源的定位及可视化奠定了基础,在机器故障的监测等方面有非常重要的应用价值。     

基于概率计算的声源定位技术研究

本文介绍了一种采用概率的声源定位算法。时间延迟(到达时间差)之间的两个麦克风通过互相关方法已用于声音定位在我们的智能平台。然而,由于互相关值是高度依赖于即将到来的声音信号和声学环境,时间延迟值和相应的定位结果很容易出现误差。在这里,采用了一个概率方法声源定位。     

声源空间分离对向前时域掩蔽阈值的影响

从实验上探讨了掩蔽和被掩蔽声源在水平面方向分离时的向前掩蔽效应,并与单扬声器重发方式作比较．得到了这2种情况下3种频率的被掩蔽纯音信号（250Hz,1170Hz,4000Hz）的掩蔽闻值随掩蔽窄带噪声5种声压级（30dB,40dB,50dB,60dB,70dB）变化的曲线。实验结果表明：声源空间分离时,除了个别情况外,掩蔽阈值都比单扬声器重发时有较大幅度的降低。文中进一步指出掩蔽阈值的降低是较优耳效应和双耳效应等的综合作用造成的。因此掩蔽声和被掩蔽声在空间上的分离会削弱向前时域掩蔽的作用,这一结论可为将来改进音频压缩算法提供理论基础。     

声源定位分离技术在机器人领域的应用

综述了声源定位分离技术在机器人领域研究的现状、关键技术、主要研究问题以及发展趋势。对声音信息的获取、声源定位、声源分离、多传感器信息融合等技术进行了介绍。多声源定位、语音分离、移动声源跟踪和多传感器信息融合技术是机器人听觉感知技术未来发展趋势。     

基于声源分离的虚拟低音增强算法

本文提出了一种基于声源分离理论的虚拟低音增强算法。文章分析了传统虚拟低音增强算法的处理过程,发现对声源中不同频率成分的处理效果不统一,对最终的低音增强效果影响很大。所以结合声源分离思想提出了一种新型的虚拟低音增强算法,在低音增强前对声源进行瞬态稳态成分分离处理,可以减小失真并提高低音增强效果。仿真实验表明相比于传统虚拟低音增强算法,本文所提算法所耗时间更短,并且低音效果和音质也更好,对虚拟低音增强技术的推广有重要意义。      

心理声学模型中估计掩蔽阈值方法的改进

阐述心理声学模型中掩蔽阈值作用的基础上,分析了传统估计掩蔽阂值方法及不足,最后提出了改进的估计掩蔽阈值方法,从而使心理声学模型精度更高。     

利用相位时频掩蔽的麦克风阵列噪声消除方法

本文提出了一种在干扰声源和背景噪声存在条件下麦克风阵列噪声消除的方法。麦克风阵列通过波束形成增强由导向矢量所指定方向的目标声源来抑制背景噪声。然而,现有的波束形成算法在干扰声源存在的情况下,无法进行准确的导向矢量估计。为此,本文提出一种基于音频信号互相关功率谱相位的麦克风阵列噪声消除方法。首先通过音频信号的相位时频掩码估计导向矢量,并对其进行波束形成,从而有效抑制干扰声源和背景噪声;然后利用语音存在概率,采用最大似然的方法估计波束形成后信号中残留的干扰噪声功率谱密度,对其进行后处理,进一步抑制残留干扰和噪声。实验结果表明在干扰声源和背景噪声存在的条件下,所提方法有效地实现了麦克风阵列噪声消除,且各种性能指标优于基线方法。      

心理声学模型中估计掩蔽阂值方法的改进

阐述心理声学模型中掩蔽阈值作用的基础上，分析了传统估计掩蔽阂值方法及不足，最后提出了改进的估计掩蔽阈值方法，从而使心理声学模型精度更高。     

模型转移概率自适应的交互式多模型跟踪算法

该文利用量测中所包含的当前模式信息,实现了马尔可夫转移概率的实时估计,并将估计结果用于交互式多模型跟踪算法(IMM)的设计中,构造出参数自适应的交互多模型跟踪算法(PAIMM),有效降低了人为因素的影响。通过一个跟踪机动目标的仿真实例,说明PAIMM算法的有效性。     

基于概率选择模型的多失效模式可靠性建模分析

传统可靠性模型难以处理多失效模式可靠性建模同题,针对这一情况,本文提出了基于概率选择模型的可靠性模型及方法,通过引入概率选择因子将各失效模式下系统可靠度联系起来,能够更加地精确描述系统可靠性.最后将概率选择模型应用于某型鱼雷动力系统多失效模式可靠性建模,通过对比研究和Monte Carlo仿真验证了新模型的正确性与有效性.     

利用高斯混合模型实现概率密度函数逼近

针对图像的概率分布密度函数的不确定,利用有限高斯混合模型逼近图像的概率分布密度函数。理论上证明了有限高斯混合模型可以以任意精度正逼近实数上的非负黎曼可积函数,特别可以逼近任意的概率分布密度函数。实例表明有限高斯混合模型逼近已知分布密度函数或未知分布密度函数时,具有逼近精度高等优点,为函数逼近提供了理论和技术支持。     

基于盲源分离的多幅顺序图像加密方法

根据许多加密方法利用数学难题保障其安全性的思想,盲源分离欠定难题可用于高度安全的多幅图像加密。然而,由于盲源分离存在顺序和幅度模糊性,通过盲源分离得到的解密图像可能发生顺序变化和像素值反转。这在加密多幅顺序图像时可能导致解密错误。针对这一问题,该文利用数字水印技术,加密前在每幅明文图像中嵌入与其对应的顺序信息;解密后,通过在各解密图像中检测该顺序信息而消除其顺序和幅度的模糊性。计算机仿真结果表明,该方法在恢复解密图像顺序的同时也能检测其是否反转,从而有效地解决了多幅顺序图像的盲源分离加密问题。     

基于声音定位和听觉掩蔽效应的语音分离研究

人耳具有在嘈杂环境中将感兴趣的语言信息提取出来的能力,而双耳听觉特性有助于这种能力的加强.据此本文提出了一种基于声音定位和听觉掩蔽效应的混叠语音分离方法.根据声音到达双耳的时间差和强度差在时频域内确定相应的掩蔽系数,该系数是二值的,以直接去除干扰信号,保留有用信号并达到语音分离的目的.实验表明,本文提出的方法是有效的.该方法不仅适用于混叠语音为浊音情形,对清音的情况同样适用,因而比基于基音提取的语音分离方法的适用范围更广.     

利用DBSCAN和概率密度估计的欠定盲源分离混合矩阵估计

针对欠定盲源分离中混合矩阵估计精度不佳的问题,本文提出了一种结合带噪声的基于密度的空间聚类（combining density-based spatial clustering of application with noise, DBSCAN）和概率密度估计的混合矩阵估计算法。首先,通过向量转换方式获得单声源时频点检测准则,并基于此准则从混合信号中检测出单声源点。其次,利用基于密度的空间聚类算法对单声源点进行聚类,由此估计出声源个数以及各类别所属的单声源点。再次,利用概率密度估计获得各类别的聚类中心,并构成混合矩阵。所提混合矩阵估计方法不需要提前设定声源个数,并且避免了由于数据分布不均所造成的聚类效果差的问题。最后,采用压缩感知技术实现源信号恢复,从而从混合信号中分离出各个声源信号。实验结果表明,本文所提的混合矩阵估计方法在声源个数未知的情况下,能够准确估计出混合矩阵;并且分离出的信号具有较高的质量。     

Compute and Memory Efficient Universal Sound Source Separation

Journal of Signal Processing Systems - Recent progress in audio source separation led by deep learning has enabled many neural network models to provide robust solutions to this fundamental...     

Blind Source Separation of Instantaneous Mixture of Delayed Sources Using High‐Order Taylor Approximation

This paper deals with the problem of blind source separation (BSS), where observed signals are a mixture of delayed sources. In reference to a previous work, when the delay time is small such that the first‐order Taylor approximation holds, delayed observations are transformed into an instantaneous mixture of original sources and their derivatives, for which an extended second‐order blind identification (SOBI) approach is used to recover sources. Inspired by the results of this previous work, we propose to generalize its first‐order Taylor approximation to suit higher‐order approximations in the case of a large delay time based on a similar version of its extended SOBI. Compared to SOBI and its extended version for a first‐order Taylor approximation, our method is more efficient in terms of separation quality when the delay time is large. Simulation results verify the performance of our approach under different time delays and signal‐to‐noise ratio conditions, respectively.     

单声道声音分离神经网络新算法

本文提出了一种基于FFT(快速傅里叶变换)的单声道声音分离神经网络新算法.该算法根据单声道声音的特点,并假设某种特定声音在某段时间内有较稳定的频率特性的基础上,采用SNMF(非负稀疏矩阵分解)方法找到声音的频率特征,然后采用对应的方法合成每个分解出的声音源.大量的实验表明,该算法能有效地从音乐声音中分解的独立声音,相对于传统的ICA(独立成分分析)和NMF(非负矩阵分解)方法有较大的提高.     

Gaussian Mixture Model-Based Bayesian Analysis for Underdetermined Blind Source Separation

This paper proposes a Gaussian mixture model-based Bayesian analysis for blind source separation of an underdetermined model that has more sources than sensors. The proposed algorithm follows a hierarchical learning procedure and alternative estimations for sources and the mixing matrix. The independent sources are estimated from their posterior means, and the mixing matrix is estimated by the maximum likelihood method. Because each source is conditionally correlated with others in its Markov blanket, the correlations between them are approximated by using linear response theory; this is based on the factorized approximation to the sources' true posteriors. In this framework, each source is modeled as a mixture of Gaussians to fit its actual distribution. Given enough Gaussians, the mixture model can learn any distribution. The algorithm provides a good identification of the mixing system, and its flexibility speeds up the convergence. The iterative learning for Gaussians leads to a parametric density estimation for all hidden sources as well as their recovery in the end. The major advantages of this algorithm are its flexibility and its fast convergence. Simulations using synthetic data validate the effectiveness of the algorithm.     

基于区域复合概率的行人候选框生成

行人检测在汽车驾驶辅助系统和智能视频监控等领域有广泛的应用,而行人候选框的生成是行人识别、定位及跟踪的一项重要前期工作.本文提出一种基于区域复合概率（Local Mixture Probability,LMP）模型的在线生成行人候选框的方法.该方法根据区域相似性将监控场景划分为多个子区域,随之对各区域内行人的位置和尺度分别建立泊松模型和高斯模型.通过模型的学习与更新可以获取目标出现的概率信息以及目标尺度的分布情况,从而为候选框的生成提供依据,避免遍历搜索的盲目性.实验结果表明,该算法能够在生成较少数目候选框的情况下获得较高的覆盖率.