基于计算听觉场景分析的混叠语音分离算法

提出了一种改进的混叠语音信号分离算法,该算法采用改进的黑板模型计算听觉场景分析结构,快速准确计算混叠语音信号的特征参数;利用中频特性和人的听觉感知机理,模拟了听觉神经元的发放特性,分离出不同声源的语音信号和噪声信号.通过以上2个部分的处理将输入的混叠语音信号在时频域上分割为若干有听觉意义的语音段.再聚类和重构输出不同声源的纯净语音信号.     

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。      

基于声场景分析的混叠语音分离研究

从计算声场景思想出发，研究了如何从混叠语音中提取各源信号基音及谐波分量的方法，在此基础上根据语音信号正弦模型重建各语音分量，从而实现混叠语音分离。实验结果表明，笔者提出的方法是十分有效的。     

多人声混叠语音信号的盲源分离算法研究

介绍了一种基于峭度的盲源分离算法,利用峭度极大来度量极大化非高斯性,通过渐进正交化的不动点迭代找到独立成分,并对带噪多人声混叠语音信号进行分离仿真,从而提取出感兴趣的目标语音,验证了该算法的可行性;通过与其他盲源分离算法的分离结果进行定性和定量的对比分析,验证该算法的有效性和应用前景.     

多带抗噪声语音识别算法研究

根据Flether等人的研究,基于感知独立性假设的子带识别方法被用于抗噪声鲁棒语音识别。本文拓展子带方法,采用基于噪声污染假定的多带框架来减少噪声影响。论文不仅从理论上分析了噪声污染假定多带框架在识别性能上的潜在优势,而且提出了多带环境下的鲁棒语音识别算法。研究表明：多带框架不仅回避了独立感知假设要求,而且与子带方法相比,多带方法能更好的减少噪声影响,提高系统识别性能。     

基于时频稀疏约束的多通道声源分离算法

文中讨论基于多通道非负矩阵分解的声源分离算法,通过分解空间相关矩阵实现独立声源信号的分离。现提出了基于时频稀疏的声源分离算法,通过在非负矩阵分解的目标函数中增加分解基的频域稀疏性和分解稀疏的时域稀疏约束,改进了现有多声源分离的效果。实验结果表明算法具有较好的收敛性,同时对于不同的声源分离场景,其分离信扰比均得到了提高。     

改进的扩展互信息分离算法

扩展互信息分离算法采用单隐层神经网络近似算法代价函数中的非线性函数,可调节的参数有限,需要多次迭代才能收敛,从而导致收敛速度较慢。针对这一问题,采用双隐层神经网络近似非线性函数,以分离结果的互信息最小化作为代价函数,采用梯度下降方法对代价函数进行优化,增加了可调节参数数量。仿真实验结果表明,改进后的算法相对原算法收敛速度更快,误差更小。     

双传声器近讲语音增强算法的DSP实现

针对近讲模式,提出了一种可以DSP实现的双传声器语音增强算法,算法在安森美公司的BelaSigna 300DSP平台上进行了实时实现。介绍了该算法的基本原理、BelaSigna 300DSP系统的硬件结构、其软件编写方式及移植到DSP系统上后的算法处理流程和移植过程中的关键点分析。在白噪声、音乐噪声与广播噪声3种噪声环境下进行了实验,并从语谱图、MOS、SNR三个角度将该方法与谱减法、维纳滤波、MMSE进行了比较。实验结果表明,该算法对于3种类型的带噪语音,信噪比均可以最多提高20dB,提高后的信噪比在30dB以上,并能较好地保持目标语音的语音质量。     

改进的信息最大化语音盲分离算法

提出一种改进的基于信息最大化的语音盲分离算法,克服了以往算法收敛速度慢,串音误差大的缺点.新算法分析了多种非线性函数的转换特性,采用一种新的更合适的非线性函数,并依此推导出分离算法的学习规则.实验表明,改进的算法有效实现了混叠语音信号的盲源分离,收敛速度更快,串音误差更小,取得了良好、稳定的分离效果.     

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。     

混叠敌我识别信号分离算法研究

在敌我识别(IFF)信号侦察中,侦收到的IFF信号存在混叠现象,严重影响了信号分选、解码和模式识别。采用基于盲源分离思想的独立分量分析方法,首次将等变化自适应(EASI)算法应用到混叠敌我识别信号分离中,该算法选择四阶累积量——峭度作为目标函数实现混叠IFF信号的分离,并通过仿真验证了该算法的可行性和有效性。     

一种任意信号源盲分离的高效算法

提出了信号源盲分离的DBBSS算法.利用随机变量概率密度函数非参数估计的核函数法,对混合信号的概率密度函数及其导数进行估计,并由此估计信号的评价函数(score function).解决了现有信号源盲分离算法中,普遍存在的非线性函数只能凭经验选取,以及混合信号同时包含超高斯信号和亚高斯信号时,算法失效的问题.该方法非常简单,可以直接应用于所有以非线性函数代替评价函数的信号源盲分离算法.仿真结果验证了算法的有效性.     

一种改进的强噪声背景下基音检测算法

针对强噪声背景下语音基音检测这一困难的问题,提出了一种基于计算声场景分析的基音检测的改进算法。该方法利用人的听觉感知特性,引入广义自相关函数以增强基音信息,适用于低信噪比和存在其它语音干扰下基音信息的提取。另外,对于混叠语音的基音周期轨迹的检测,提出一种比较简单的方法。实验结果证明,提出的算法是十分有效的。     

一种基于平滑窗口法的盲分离复数算法

通过对传统盲源分离批处理EASI算法的分析,针对时变信道中通信信号的复数形式,以平滑窗的形式实现了批处理算法在时变混合模型下的应用。通过主分量分析的原理,进行噪声方差估计,改进传统独立分量分析算法消除噪声影响。通过仿真证明,在噪声较大的情况下性能优于传统算法。     

LS—CMA在MIMO—OFDM频域盲信源分离中的应用

源分离(SS)是M IMO系统接收的关键技术,而盲源分离(BSS)又是其中的一个研究热点。目前最小二乘常模(LS-CM)BSS算法[1~3]都是针对频率非选择性衰落的时域M IMO信道。本文提出了LS-CMA在M IMO-OFDM系统频选信道频域盲源分离中的应用,计算机仿真表明,M IMO-OFDM系统频域盲信源分离的最小二乘常模算法能够获得很好的性能以及较快的收敛性。     

盲分离算法在MIMO雷达和通信中的应用研究

将盲分离算法应用于多输入多输出(MIMO)雷达抗干扰和MIMO通信符号检测中。首先,利用信号相互之间以及与干扰之间的独立性,通过盲源分离算法,将各个信号分离出来;然后,雷达中通过匹配处理,完成信号检测;通信中利用少量的训练序列完成信号的匹配以及相位和幅度的校正。仿真结果表明:无论在雷达或通信中,均可获得优良的性能。