版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、盲源分離(Blind Source Separation,BSS)是表示在先驗(yàn)信息極少,而且原始信號(hào)、混疊的類型、信道等不明的狀況下,從觀測(cè)到的信號(hào)分離出源信號(hào)的過程。盲源分離算法通常用來(lái)解決正定或者超定的問題,即觀測(cè)到的信號(hào)和原始信號(hào)的數(shù)目相同或前者數(shù)目較多的情況。但在實(shí)際應(yīng)用中,后者數(shù)目較多的欠定情況更為普遍,因此,研究欠定盲信號(hào)分離算法具有非常重要的意義和價(jià)值。
其中,非負(fù)矩陣分解(Non-negative Matrix
2、 Factorization,NMF)算法最早就是解決欠定盲分離問題的,它不依賴于信號(hào)的獨(dú)立性及非高斯性。語(yǔ)音作為一種盲分離的對(duì)象,在計(jì)算機(jī)聽覺、視頻會(huì)議、信息抗干擾以及生物醫(yī)學(xué)研究等眾多領(lǐng)域面前呈現(xiàn)了廣闊的發(fā)展前景。因此,本文基于在線性混合方式下的語(yǔ)音信號(hào),探究并改進(jìn)了基于NMF的欠定盲分離算法,核心內(nèi)容有下列三個(gè)部分:
(1)對(duì)于基于 NMF的單通道語(yǔ)音盲分離模型,本文研究了以歐氏(Euclidean,簡(jiǎn)稱Euc)距離或K
3、ullback-Leibler(簡(jiǎn)稱KL)散度為目標(biāo)函數(shù)的基本NMF算法,以及添加傅里葉變換(Short-Time Fourier Transform,STFT)處理的優(yōu)化NMF算法,本文稱作SNMF算法。選取了不同的目標(biāo)函數(shù)進(jìn)行仿真與比較,和Euc距離下的基本NMF算法及其改進(jìn)算法相比,KL散度下的NMF算法表現(xiàn)了較好的分離效果。
(2)對(duì)于語(yǔ)音信號(hào)的欠定瞬時(shí)混合方式,本文給出了添加約束的KL-SNMF盲分離算法。首先運(yùn)用此
4、類信號(hào)特有的短時(shí)平穩(wěn)性,做了預(yù)加重以及分幀加窗等多項(xiàng)處理,然后將得到的幅度譜作為 NMF輸入矩陣進(jìn)行數(shù)據(jù)降維,最后利用負(fù)熵為目標(biāo)函數(shù),以牛頓迭代法為優(yōu)化算法的快速不動(dòng)點(diǎn)獨(dú)立分量分析(Fast fixed point Independent Component Analysis,F(xiàn)astICA)算法來(lái)達(dá)到分離信號(hào)的目的。
(3)對(duì)于語(yǔ)音信號(hào)的欠定卷積混合方式,本文給出了基于 EM-KL-SCNMF的盲分離算法。首先將卷積非負(fù)矩陣
5、分解(Convolutive Non-negative Matrix Factorization, CNMF)算法運(yùn)用于盲分離模型,更好地保留了語(yǔ)音的特征信息和幀間的相關(guān)性;然后為了充分利用信道間的冗余,擺脫信源統(tǒng)計(jì)獨(dú)立及非高斯分布的約束,使用了期望最大化(Expectation Maximization,EM)算法進(jìn)行迭代優(yōu)化,使得目標(biāo)函數(shù)最小化得到估計(jì)的信號(hào);最后通過傅里葉逆變換(Inverse STFT,ISTFT)產(chǎn)生分離濾波器
溫馨提示
- 1. 本站所有資源如無(wú)特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于語(yǔ)音稀疏性的欠定信號(hào)盲分離研究.pdf
- 基于稀疏表示的語(yǔ)音信號(hào)欠定盲分離技術(shù)研究.pdf
- 基于時(shí)頻稀疏性的欠定盲源語(yǔ)音信號(hào)分離技術(shù)研究.pdf
- 欠定混疊語(yǔ)音信號(hào)盲分離方法研究.pdf
- 欠定卷積混合語(yǔ)音信號(hào)盲分離研究.pdf
- 欠定混疊語(yǔ)音信號(hào)盲分離方法的研究.pdf
- 語(yǔ)音信號(hào)的欠定混合盲源分離算法研究.pdf
- 欠通道混合語(yǔ)音信號(hào)盲分離算法研究.pdf
- 基于譜稀疏特性的語(yǔ)音信號(hào)盲分離算法研究.pdf
- 基于稀疏性的欠定卷積盲源分離方法的研究.pdf
- 欠定盲信號(hào)分離方法研究.pdf
- 基于稀疏性的欠定盲源分離技術(shù)的研究.pdf
- 語(yǔ)音信號(hào)的盲源分離方法研究.pdf
- 基于稀疏表示的欠定混疊盲信號(hào)分離算法研究.pdf
- 基于稀疏性增強(qiáng)的欠定盲源分離算法研究.pdf
- 語(yǔ)音信號(hào)的盲分離算法研究.pdf
- 基于盲源分離的語(yǔ)音信號(hào)增強(qiáng)研究.pdf
- 基于時(shí)頻域稀疏的欠定盲源分離.pdf
- 多路語(yǔ)音信號(hào)的盲分離.pdf
- 混合語(yǔ)音信號(hào)盲分離的實(shí)驗(yàn)研究.pdf
評(píng)論
0/150
提交評(píng)論