FastICA算法研究及其在語音信號分離中的應(yīng)用.pdf

1、盲信號處理中的盲源分離(Blind source separation，BSS)是近幾十年來發(fā)展起來的一門新的研究領(lǐng)域，它的研究目的是即使源信號以及它的混合方式都不知道的前提下，僅僅由源信號的一些統(tǒng)計特性，然后根據(jù)所觀測到的混合信號來恢復(fù)出我們想要得到的源信號。BSS問題在用戶通信、語音信號處理、陣列信號處理、生物醫(yī)學(xué)工程和地震預(yù)測等多個方面都有非常重要的應(yīng)用價值。BSS是根據(jù)收集到的觀測信號，通過學(xué)習(xí)來分離出我們想獲得的源信號。BSS

2、技術(shù)開始是來自“雞尾酒會效應(yīng)”的探索，即使處于混亂的語音條件下，人耳可以比較精確的提取人們所希望得到的聲音信號，但是現(xiàn)在的儀器基本上不能實現(xiàn)這一功能，所以需要利用BSS方法，從由接收器所接收到的混合信號中分離出我們感興趣的信號。
　　 獨立分量分析(ICA)是根據(jù)BSS方法中源信號之間是相互獨立的條件下得到的，是BSS方法中的一種特殊算法。ICA方法可以分為信息論的迭代估計算法還有統(tǒng)計學(xué)的代數(shù)算法，從理論上看，這兩種方法用到源信

3、號的非高斯性和獨立性。在對信息論的研究方面，多國研究人員從最大似然函數(shù)、最小互信息準(zhǔn)則、最大熵等方面給出了許多估計方法。比如最大似然估計，F(xiàn)astICA，Infomax等。對于統(tǒng)計學(xué)的算法一般有二階以及四階累積量算法。FastICA方法是利用了最大化信號的非高斯性，利用固定點算法尋求非高斯性的最大值，該算法所用到的牛頓方法是批處理計算值的多個采樣數(shù)據(jù)，每步迭代計算從混合信號中間分離出一個獨立的成分，屬于ICA算法中的一種快速計算方法。<

4、br>　　 本文闡述了盲信號處理的基本原理和方法，對BSS方法中的獨立分量分析(ICA)方法進行了重點介紹，并對ICA方法中的快速獨立分量分析方法(FastICA)進行了深入的分析，針對FastICA方法中存在對初始值敏感和計算復(fù)雜等問題，對基于負熵的FastICA方法進行了改進，將原算法中的牛頓迭代法用弦截法與最速下降法的結(jié)合算法來代替，提出了改進基于負熵的FastICA方法，針對基于峭度的FastICA常用方法中存在的對優(yōu)化步長選