欠定盲源分離算法及在語音處理中的應(yīng)用研究.pdf

1、隨著信息和計(jì)算機(jī)技術(shù)的發(fā)展，人們對(duì)信息處理方法的要求越來越高。很多實(shí)際應(yīng)用中通過傳感器獲得的是一些有用信號(hào)的混疊信號(hào)或帶噪聲的混疊信號(hào)，如何從這些隱藏在混疊信號(hào)中的原始信號(hào)分離出來，是一些應(yīng)用中必須解決的問題，盲源分離技術(shù)正是在這種背景下應(yīng)運(yùn)而生的。該技術(shù)一經(jīng)提出，便引起了許多學(xué)者的廣泛關(guān)注和重視。作為一種新的數(shù)據(jù)處理方法，盲源分離技術(shù)是人工神經(jīng)網(wǎng)絡(luò)、統(tǒng)計(jì)信號(hào)處理、信息理論、計(jì)算機(jī)學(xué)科等相結(jié)合的產(chǎn)物，在生物醫(yī)學(xué)、醫(yī)療圖像、語音信號(hào)處理、

2、通信系統(tǒng)、信息檢索等方面都具有非常重要的實(shí)際應(yīng)用價(jià)值。 盲源分離技術(shù)就是在信源信號(hào)和混疊過程均未知的情況下，僅根據(jù)少量的先驗(yàn)信息，從觀測(cè)信號(hào)中恢復(fù)或估計(jì)出信源信號(hào)。這一先驗(yàn)信息就是盲源分離中的基本假設(shè)條件—信源信號(hào)之間是相互統(tǒng)計(jì)獨(dú)立的，這是一個(gè)很寬松的條件，因此盲源分離技術(shù)在眾多的領(lǐng)域中獲得了廣泛的應(yīng)用，近年來成為現(xiàn)代信號(hào)處理領(lǐng)域中的一個(gè)新的研究熱點(diǎn)。 在早期的盲源分離研究中，一般都要做出觀測(cè)信號(hào)的數(shù)目不少于源信號(hào)的數(shù)目

3、的假設(shè)。然而，隨著對(duì)盲信號(hào)處理研究的不斷深入，作為常規(guī)模型的擴(kuò)展，基于欠定模型的盲信號(hào)處理算法近年來得到了廣泛的關(guān)注。這類算法主要解決源信號(hào)數(shù)目多于觀測(cè)信號(hào)數(shù)目情況下的問題，更接近于盲源分離實(shí)際的情況。由于在此條件下系統(tǒng)是不可逆的，在研究的方法上與標(biāo)準(zhǔn)的盲源分離算法也有所不同，目前基于統(tǒng)計(jì)概率模型的過完備描述算法和基于稀疏特征的分離算法是研究欠定盲源分離的主要方法。 本論文系統(tǒng)回顧了盲源分離技術(shù)的發(fā)展歷史、研究現(xiàn)狀和相關(guān)的經(jīng)典算

4、法，圍繞欠定情況下盲源分離問題的一些關(guān)鍵技術(shù)進(jìn)行了一些探索性的研究，包括欠定情況下源信號(hào)的可分離性、信源個(gè)數(shù)的估計(jì)、信源的稀疏性處理和欠定的非線性分離方法等，提出了一系列欠定盲源分離的算法，這些內(nèi)容屬于擴(kuò)展的盲源分離問題，具有相當(dāng)?shù)睦碚撘饬x和實(shí)際的應(yīng)用價(jià)值。同時(shí)作為盲源分離技術(shù)的一個(gè)應(yīng)用，在語音話者識(shí)別方面做了一定的研究工作。過完備描述算法作為一種擴(kuò)展的盲源分離算法，在對(duì)信號(hào)特征刻畫方面具有相當(dāng)大的靈活性，不僅可以解決欠定盲源分離的問題

5、，同時(shí)還可以得到描述信號(hào)高階統(tǒng)計(jì)信息的過完備基函數(shù)。以此基函數(shù)為特征建立的基于文本無關(guān)的話者識(shí)別系統(tǒng)取得了很好的識(shí)別效果。本論文的主要成果概括如下： 1.基于統(tǒng)計(jì)概率模型的過完備描述算法，該算法分為兩步進(jìn)行，首先在混疊矩陣固定的情況下對(duì)信源進(jìn)行估計(jì)，然后在信源固定的情況下訓(xùn)練混疊矩陣。在具有二個(gè)觀測(cè)信號(hào)或觀測(cè)信號(hào)較少的情況下，提出了采用最短路徑的方法來對(duì)信源進(jìn)行估計(jì)，以提高訓(xùn)練速度，避免了求逆矩陣帶來的運(yùn)算量。 2.在采

6、用兩步分離的欠定盲源分離算法中，混疊矩陣的精確估計(jì)是實(shí)現(xiàn)分離的前提，對(duì)信源作稀疏處理后，采用一新的加權(quán)勢(shì)函數(shù)，在不增加運(yùn)算量的前提下，低分辨率的情況即可以準(zhǔn)確的估計(jì)出信源的個(gè)數(shù)，同時(shí)在聚類方向的鄰域內(nèi)采用高分辨率來精確的估計(jì)混疊矩陣。實(shí)驗(yàn)表明該算法可給出精確的估計(jì)，即使在觀測(cè)信號(hào)中含有噪聲的情況下，也可以保證很好的估計(jì)性能。 3.在欠定盲源分離的分離方法上，傳統(tǒng)的基于最小化L1范數(shù)分離算法可給出確定的解，然而由于該算法是在最大化

7、后驗(yàn)概率的情況下得到的，采用線性規(guī)劃算法在信源稀疏性較差的情況下并不能給出理論上的最佳分離值。鑒于L1范數(shù)分離算法的缺點(diǎn)，提出了兩種改進(jìn)的方法。第一，提出了基于在聚類方向加權(quán)的欠定盲源分離算法，該算法在尋找最佳分離矩陣時(shí)能較好的反映源信號(hào)的變化情況，在信源稀疏性較差的情況下較傳統(tǒng)L1范數(shù)分離算法能給出更高的信源分離信噪比，特別在信源中含有幅度較小的信源時(shí)，可避免由于L1范數(shù)分離算法造成的分離不出小信號(hào)的情況。第二，提出了基于最小均方誤差

8、的欠定盲源分離算法，該算法在尋找最佳分離矩陣時(shí)能較好的跟蹤源信號(hào)的內(nèi)在變化，特別在信源稀疏性較差的情況下較傳統(tǒng)L1范數(shù)分離算法能給出更高的信源分離信噪比，通過對(duì)語音信號(hào)的分離并與原始語音信號(hào)對(duì)比試聽，在語音的連續(xù)性和噪聲方面都能達(dá)到滿意的效果，具有實(shí)際應(yīng)用的價(jià)值。 4.含噪欠定盲源分離算法。由于噪聲的影響將使算法的性能下降，然而在分離算法上實(shí)現(xiàn)去噪是非常困難的，為此含噪盲源分離算法常采用時(shí)頻變換的技術(shù)，在進(jìn)行分離之前先對(duì)觀測(cè)信號(hào)

9、進(jìn)行濾波處理，然后考慮無噪聲情況下的盲源分離。本文提出了一種新的基于高階統(tǒng)計(jì)稀疏表征的欠定盲源分離算法，通過小波線性變換在變換域中對(duì)混疊信號(hào)進(jìn)行分離，利用小波變換將信號(hào)能量“集中”在變換域中少數(shù)系數(shù)上的特征，既完成了對(duì)源信號(hào)的稀疏性處理，又可實(shí)現(xiàn)對(duì)噪聲的消除，同時(shí)符合盲源分離的數(shù)學(xué)模型和先驗(yàn)假設(shè)，比基于二階統(tǒng)計(jì)特征方法有更大的優(yōu)越性，實(shí)驗(yàn)中取得了較好的分離效果。 5.在話者識(shí)別應(yīng)用方面。有效的特征信息一直是識(shí)別系統(tǒng)的關(guān)鍵，有效的

10、話者特征同樣是話者識(shí)別系統(tǒng)的關(guān)鍵。對(duì)于語音信號(hào)而言，不但包含有與話者有關(guān)的物理信息，同時(shí)也包含有語義信息，研究表明這兩方面的信息可以認(rèn)為是相互獨(dú)立的，這與盲源分離模型的假設(shè)相一致。為此我們采用盲源分離技術(shù)中的過完備描述算法，將信號(hào)表示成基函數(shù)的線性組合，算法中通過設(shè)置基函數(shù)系數(shù)的分布特性來實(shí)現(xiàn)信號(hào)的分解，若假定系數(shù)具有稀疏的特性，即設(shè)置系數(shù)的分布為超高斯分布，則分解得到的基函數(shù)可準(zhǔn)確地描述信號(hào)的高階統(tǒng)計(jì)結(jié)構(gòu)信息。該特征可用于語音信號(hào)處理