卷積混疊語(yǔ)音信號(hào)頻域盲分離算法研究.pdf

1、盲源分離是指在源信號(hào)和傳輸信道信息均未知的情況下，僅根據(jù)觀測(cè)信號(hào)估計(jì)出源信號(hào)的過(guò)程。由于盲源分離中使用的先驗(yàn)信息很少，這使其在混疊語(yǔ)音信號(hào)處理中得到廣泛的應(yīng)用。目前研究的語(yǔ)音混疊模型主要包括瞬時(shí)混疊和卷積混疊兩種情況。而在真實(shí)語(yǔ)音環(huán)境中由于聲音存在延時(shí)和反射，更適合采用卷積混疊模型。所以，卷積混疊語(yǔ)音信號(hào)的盲源分離問(wèn)題逐漸成為研究的熱點(diǎn)之-針對(duì)卷積混疊語(yǔ)音的盲分離問(wèn)題，主要有兩類(lèi)算法：一類(lèi)是時(shí)域盲源分離算法，一類(lèi)是頻域盲源分離算法。由于

2、頻域盲源分離算法可以通過(guò)短時(shí)傅里葉變換將時(shí)域上復(fù)雜的卷積運(yùn)算轉(zhuǎn)換到頻域上的線(xiàn)性疊加運(yùn)算，這樣便可以直接借鑒經(jīng)典的瞬時(shí)混疊ICA算法，從而使得頻域盲分離算法相對(duì)于時(shí)域盲分離算法來(lái)說(shuō)，具有較小的計(jì)算量和良好的分離性能。但是頻域盲分離算法也存在缺陷，即兩個(gè)不確定性：幅度不確定性和順序不確定性。其中，順序不確定性對(duì)頻域盲分離性能的影響至關(guān)重要。另一方面，在真實(shí)語(yǔ)音環(huán)境中，噪聲的干擾是不容忽視的。在這種情況下，我們不能只考慮卷積混疊盲分離問(wèn)題，還

3、需要考慮噪聲抑制的問(wèn)題。所以對(duì)于真實(shí)采集的混疊語(yǔ)音信號(hào)，如何降低噪聲干擾并實(shí)現(xiàn)分離，形成適用于真實(shí)環(huán)境的有效的分離系統(tǒng)，一直是學(xué)者們研究的熱點(diǎn)和難點(diǎn)。針對(duì)以上問(wèn)題，本文主要研究卷積混疊語(yǔ)音信號(hào)的頻域盲分離算法。特別是針對(duì)順序不確定性問(wèn)題，提出了一種新的排序算法。為了驗(yàn)證算法的有效性，并將其進(jìn)一步應(yīng)用到真實(shí)環(huán)境中，提出了真實(shí)環(huán)境中的語(yǔ)音盲分離方案，并設(shè)計(jì)了演示系統(tǒng)。本文的主要貢獻(xiàn)點(diǎn)：(1)研究了復(fù)值FastICA、快速峭度最大化算法(FK

4、MA)、聯(lián)合近似對(duì)角化算法(JADE)三種主要的頻域盲分離算法，并通過(guò)實(shí)驗(yàn)對(duì)已有算法的性能進(jìn)行了分析對(duì)比，總結(jié)了這三種算法所存在的問(wèn)題。(2)提出了卷積混疊語(yǔ)音信號(hào)的頻域盲分離算法。針對(duì)頻域盲分離算法中的順序不確定性問(wèn)題，提出了一種多步驟的排序算法。它利用了基準(zhǔn)頻點(diǎn)對(duì)準(zhǔn)的思想并結(jié)合到達(dá)角的估計(jì)和頻點(diǎn)間的相關(guān)性，具有良好的魯棒性和準(zhǔn)確性。該排序算法可以概括為以下三步：第一步，選取基準(zhǔn)頻點(diǎn)進(jìn)行對(duì)準(zhǔn)；第二步，根據(jù)第一步中已經(jīng)排序好的基準(zhǔn)頻點(diǎn)對(duì)

5、剩余的頻點(diǎn)進(jìn)行排序；第三步，對(duì)出現(xiàn)排序錯(cuò)誤的頻點(diǎn)進(jìn)行標(biāo)記，并利用基于分離矩陣的DOA估計(jì)對(duì)這些頻點(diǎn)進(jìn)行補(bǔ)充性對(duì)準(zhǔn)。通過(guò)仿真實(shí)驗(yàn)證明，本文提出的排序算法具有良好的準(zhǔn)確性和魯棒性。(3)將頻域盲分離算法應(yīng)用到真實(shí)語(yǔ)音環(huán)境中，設(shè)計(jì)了真實(shí)環(huán)境中的語(yǔ)音分離系統(tǒng)。通過(guò)研究幾種常見(jiàn)的去噪算法，提出了更適合實(shí)際應(yīng)用的非語(yǔ)音段自檢測(cè)的去噪算法。并將其作為盲分離的后處理手段，進(jìn)而提出了盲分離的系統(tǒng)方案。基于該系統(tǒng)方案，我們還設(shè)計(jì)了真實(shí)環(huán)境中盲分離的演示系統(tǒng)