聲源定位中盲源分離算法的研究與實(shí)現(xiàn).pdf

1、隨著聲音定位技術(shù)的發(fā)展和應(yīng)用需求的增加，越來越多的領(lǐng)域需要對(duì)不同種類的目標(biāo)聲源進(jìn)行定位，但是在許多環(huán)境中，除了需要定位的目標(biāo)聲源發(fā)出的聲音之外，一般還會(huì)有其它聲源發(fā)出的聲音信號(hào)，而且一般并不清楚這些聲音的特性，并且它們的聲道傳播模型也是未知的，因此很難用傳統(tǒng)的信號(hào)處理方法來實(shí)現(xiàn)聲源定位。在多音源、源信號(hào)和混合信道模型均未知的情況下進(jìn)行聲音定位，首先需要進(jìn)行聲音信號(hào)的盲信號(hào)分離。雖然聲源和聲音傳播模型是未知的，但是這些聲音信號(hào)之間通常是滿

2、足統(tǒng)計(jì)獨(dú)立的，因此可以用獨(dú)立成分分析來解決盲信號(hào)分離問題。本文將獨(dú)立成分分析與聲源定位結(jié)合起來，解決復(fù)雜環(huán)境下的聲源定位問題。
　　本文首先介紹了獨(dú)立成分分析的基本理論和相關(guān)知識(shí)，然后對(duì)兩個(gè)常用的算法進(jìn)行了詳細(xì)的介紹:一是基于負(fù)熵最大化的快速固定點(diǎn)算法，它是采用負(fù)熵作為源信號(hào)之間統(tǒng)計(jì)獨(dú)立特性的度量準(zhǔn)則，利用近似的牛頓迭代法計(jì)算獨(dú)立成分;二是聯(lián)合近似對(duì)角化算法，它是通過信號(hào)的累積張量構(gòu)建聯(lián)合矩陣，之后采用近似對(duì)角化的方法對(duì)混合信號(hào)的

3、分離矩陣進(jìn)行估計(jì)計(jì)算。然后對(duì)這兩種常用的算法進(jìn)行了仿真，驗(yàn)證算法在處理盲信號(hào)分離問題中的有效性并比較了它們的性能差異。因?yàn)榈玫椒蛛x信號(hào)之后還要從中找出需要定位的目標(biāo)聲音信號(hào)，所以本文對(duì)聲音信號(hào)的識(shí)別問題做了研究，介紹了在聲音識(shí)別問題中常用的頻域特征參數(shù)和常用的聲音識(shí)別算法，并用將梅爾倒譜系數(shù)作為特征參數(shù)、動(dòng)態(tài)識(shí)別規(guī)整作為聲音信號(hào)的識(shí)別方法，對(duì)分離信號(hào)進(jìn)行了識(shí)別，從中找到需要定位的目標(biāo)聲音。
　　最后，對(duì)整個(gè)系統(tǒng)進(jìn)行了功能測(cè)試和分析