ICA混合语音分离算法研究与实现
ICA混合语音分离算法研究与实现
论文首先介绍了盲信号分离的基本知识，包括BBS和ICA基本原理、数学模型、研究进展等。了解了信息统计理论相关知识后，对基于ICA的算法进行了简单的分类和概括性的解释。最后着重研究了FastICA快速固定算法及JADE算法，给出了详细的推导，提出了可行的改进方案，以上方法均用计算机进行了有效的仿真，并得到有效的分离结果。根据仿真过程和波形，对两种算法进行了简单的分析与比较。 20190809205855
关键词：盲信号处理 语音信号分离 ICA FastICA算法 JADE算法
语音盲分离的目标是从混合信号中分离出原始信号。简言之就是在多人同时说话的嘈杂环境下，我们能够辨识自己感兴趣的人的说话声的能力,它是盲源分离的研究初衷，也是对语音盲分离问题的典型描述[[]]。现有的数字系统还不具备这种辨识和分离能力，如何使其能够具有人类听觉这样的处理能力，这是需要不断努力探索的问题，而本文所研究的课题，是有效解决这一问题的基础。
如果采用麦克风阵列来模仿人耳获取说话人的声音，由于说话人是同时发声，使得采集到的信号是说话人声音的一个混合，而我们无法直接得到原始说话人的声音信号，所以这便是一个典型的盲分离问题。通过BSS算法我们可以从混合的语音信号中提取出干净的原始语音信号。
为了能够解决这个问题，首先必须需要我们对这个问题进行简化处理，使之能够以简单的模型表示；其次要对其进行数学建模；最后根据数学模型去寻求解决方法。这是解决这个问题的普遍思路。
二、语音信号可分离性
目前的语音盲分离算法多数是基于有限定条件的情况下进行的，例如:规定说话人的位置是固定的，而且要在无噪声环境下，麦克风的间距不能太大，说话人与各个麦克风之间的距离不是等距的等等，这些对分离算法的一些人为的假定一方面保证了语音分离的可实现性，在一定程度上简化了计算的复杂程度。另一方面也限制了已有算法的实际应用性。
图3为语音信号混合与分离示意图，其中A为混合FIR滤波器矩阵，W为分离FIR滤波器矩阵，信号y为源信号的估计。
但是，并不是对于任何的A我们都能够找到相应的分离FIR滤波器矩阵。下面，将分析一下什么样的混合系统是可逆的，什么样的是不可逆的，及其物理可实现性和实际环
境下的混合系统的一些性质。
摘要 I
ABSTRACT II
第一章 绪论 1
第一节 盲信号分离研究背景以及意义 1
第二节 盲信号分离的国内外研究现状 2
一、盲源分离的发展历史 2
二、盲源分离的研究现状 3
第三节 盲信号分离的应用及前景 5
第四节 本文的主要研究内容以及章节安排 5
第二章 盲信号分离基本理论知识 7
第一节 盲信号分离的原理 7
第二节 盲信号分离的主要数学模型 7
一、瞬时线性混合模型 7
二、卷积混合模型 8
三、非线性混合模型 9
（一）一般非线性模型 9
（二）后非线性模型 10
第三节 统计独立性和信息理论 10
一、统计独立性 10
二、熵及微分熵 11
三、互信息 12
四、峭度 12
第四节 本章小结 13
第三章 独立分量分析及混合语音信号分离 14
第一节 独立分量分析基础 14
一、ICA基本理论概念 14
二、ICA的基本模型 14
三、ICA 数据的预处理 15
（一） 中心化(centering) 15
（二） 白化(whitening) 15
第二节 混合语音信号的分离 16
一、语音混合问题 16
二、语音信号可分离性 16
（一）最小相位系统 17
（二）非最小相位系统 18
三、语音盲分离实现的途径 19
（一）前馈结构 19
（二）反馈结构 19
第三节 独立分量分析(ICA)主要算法的分类与关系 20
一、基于非高斯性的最大化 21
二、基于互信息的最小化 21
三、基于最大似然估计 22
四、三类方法的关系 22
第四节 本章小结 22
第四章 瞬时线性混合信号ICA算法研究与比较 24
第一节 快速固定算法—FastICA算法及改进 24
一、FastICA算法简介 24
二、目标函数 24
三、快速固定点算法推导 25
四、快速固定点算法的改进 26
五、计算机仿真实验与分析 28
第二节 JADE算法及改进 31
一、JADE算法简介 31
二、JADE算法的推导及改进 32
三、JADE算法求解步骤 32
四、计算机仿真实验与分析 33
第三节 两种算法的分析及比较 35
第四节 本章小节 36
第五章 总结与展望 37
第一节 总结 37
第二节 展望 37
参考文献 38
致 谢 40
英文翻译 1
本科毕业设计（论文）任务书 I
论文首先介绍了盲信号分离的基本知识，包括BBS和ICA基本原理、数学模型、研究进展等。了解了信息统计理论相关知识后，对基于ICA的算法进行了简单的分类和概括性的解释。最后着重研究了FastICA快速固定算法及JADE算法，给出了详细的推导，提出了可行的改进方案，以上方法均用计算机进行了有效的仿真，并得到有效的分离结果。根据仿真过程和波形，对两种算法进行了简单的分析与比较。 20190809205855
关键词：盲信号处理 语音信号分离 ICA FastICA算法 JADE算法
语音盲分离的目标是从混合信号中分离出原始信号。简言之就是在多人同时说话的嘈杂环境下，我们能够辨识自己感兴趣的人的说话声的能力,它是盲源分离的研究初衷，也是对语音盲分离问题的典型描述[[]]。现有的数字系统还不具备这种辨识和分离能力，如何使其能够具有人类听觉这样的处理能力，这是需要不断努力探索的问题，而本文所研究的课题，是有效解决这一问题的基础。
如果采用麦克风阵列来模仿人耳获取说话人的声音，由于说话人是同时发声，使得采集到的信号是说话人声音的一个混合，而我们无法直接得到原始说话人的声音信号，所以这便是一个典型的盲分离问题。通过BSS算法我们可以从混合的语音信号中提取出干净的原始语音信号。
为了能够解决这个问题，首先必须需要我们对这个问题进行简化处理，使之能够以简单的模型表示；其次要对其进行数学建模；最后根据数学模型去寻求解决方法。这是解决这个问题的普遍思路。
二、语音信号可分离性
目前的语音盲分离算法多数是基于有限定条件的情况下进行的，例如:规定说话人的位置是固定的，而且要在无噪声环境下，麦克风的间距不能太大，说话人与各个麦克风之间的距离不是等距的等等，这些对分离算法的一些人为的假定一方面保证了语音分离的可实现性，在一定程度上简化了计算的复杂程度。另一方面也限制了已有算法的实际应用性。
图3为语音信号混合与分离示意图，其中A为混合FIR滤波器矩阵，W为分离FIR滤波器矩阵，信号y为源信号的估计。
但是，并不是对于任何的A我们都能够找到相应的分离FIR滤波器矩阵。下面，将分析一下什么样的混合系统是可逆的，什么样的是不可逆的，及其物理可实现性和实际环境下的混合系统的一些性质。
摘要 I
ABSTRACT II
第一章 绪论 1
第一节 盲信号分离研究背景以及意义 1
第二节 盲信号分离的国内外研究现状 2
一、盲源分离的发展历史 2
二、盲源分离的研究现状 3
第三节 盲信号分离的应用及前景 5
第四节 本文的主要研究内容以及章节安排 5
第二章 盲信号分离基本理论知识 7
第一节 盲信号分离的原理 7
第二节 盲信号分离的主要数学模型 7
一、瞬时线性混合模型 7
二、卷积混合模型 8
三、非线性混合模型 9
（一）一般非线性模型 9
（二）后非线性模型 10
第三节 统计独立性和信息理论 10
一、统计独立性 10
二、熵及微分熵 11
三、互信息 12
四、峭度 12
第四节 本章小结 13
第三章 独立分量分析及混合语音信号分离 14
第一节 独立分量分析基础 14
一、ICA基本理论概念 14
二、ICA的基本模型 14
三、ICA 数据的预处理 15
（一） 中心化(centering) 15
（二） 白化(whitening) 15
第二节 混合语音信号的分离 16
一、语音混合问题 16
二、语音信号可分离性 16
（一）最小相位系统 17
（二）非最小相位系统 18
三、语音盲分离实现的途径 19
（一）前馈结构 19
（二）反馈结构 19
第三节 独立分量分析(ICA)主要算法的分类与关系 20
一、基于非高斯性的最大化 21
二、基于互信息的最小化 21
三、基于最大似然估计 22
四、三类方法的关系 22
第四节 本章小结 22
第四章 瞬时线性混合信号ICA算法研究与比较 24
第一节 快速固定算法—FastICA算法及改进 24
一、FastICA算法简介 24
二、目标函数 24
三、快速固定点算法推导 25
四、快速固定点算法的改进 26
五、计算机仿真实验与分析 28
第二节 JADE算法及改进 31
一、JADE算法简介 31
二、JADE算法的推导及改进 32
三、JADE算法求解步骤 32
四、计算机仿真实验与分析 33
第三节 两种算法的分析及比较 35
第四节 本章小节 36
第五章 总结与展望 37
第一节 总结 37
第二节 展望 37
参考文献 38
致 谢 40
英文翻译 1
本科毕业设计（论文）任务书 I
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/2163.html
