關于時域卷積混合語音信號盲分離方法及其應用的研究.pdf

1、盲信號分離技術是近年來信號處理領域的一個研究熱點，由于其能夠在對原始信號和混合系統(tǒng)的先驗知識都比較少的情況下，從觀測到的混合信號中恢復出原始信號，因此在無線通信、醫(yī)學信號處理、圖像增強和語音分離方面有著廣泛的應用。 語音信號的盲分離問題是盲信號分離技術當中非常重要，同時也是難度很大的一個部分。如何從一個實際的未知環(huán)境中所觀測到的混合語音信號里提取出說話人清晰的語音是一個典型的盲信號分離問題。在研究的早期忽略傳輸信道卷積效應的基于

2、瞬時混合模型的語音信號盲分離技術已經相對成熟。但在實際的應用當中，環(huán)境中的傳播延遲和反射效應以及語音信號自身的統(tǒng)計特性使得這個問題變得更加復雜。例如信道中的反射引入的卷積效應，語音信號的時斷時續(xù)以及源信號數目隨時間的變化，語音信號的不平穩(wěn)特性和時間相關特性給傳統(tǒng)算法帶來的困難等等，這些都是我們在算法研究工作當中遇到的難點和挑戰(zhàn)。 針對以上的問題，本文基于卷積混合語音信號的時域盲分離方法在以下幾個方面進行了研究和探索。 (

3、1)為了解決傳統(tǒng)互信息算法中由于語音信號的非平穩(wěn)和時間相關等特殊的統(tǒng)計特性和數學模型而產生的問題，本文結合分塊處理方法和帶遺忘因子的不完備約束條件，提出一種改進的基于自然梯度法的在線卷積混合盲分離方法。 (2) 針對基于二階統(tǒng)計量的時域盲分離方法在迭代過程中的矩陣奇異問題進行改進，同時利用語音信號的AR模型和二階統(tǒng)計量信息得到卷積混合深度M的盲估計方法。 (3) 傳統(tǒng)的基于ICA理論的盲分離方法往往需要滿足源信號數目不大

4、于觀測信號數目的前提條件，但是在實際的應用當中，這個條件往往顯得過于苛刻?；谡Z音信號時頻圖稀疏性假設的time-frequency mask方法提供了一條新的解決思路，但是同時也存在二值mask帶來的能量損失等問題。本文在這一類方法的基礎上，結合在語音信號的AR模型，并利用時頻圖譜插值補償的方法，提出改進后的時頻域結合的分離方法。 (4)完成了智能發(fā)育機器人系統(tǒng)—“復旦1號”的工程化工作，以及尋求語音信號盲分離方法在智能機器人