学位论文 > 优秀研究生学位论文题录展示
高效盲信号分离算法的研究
作 者: 蒋长丽
导 师: 黄翔东
学 校: 天津大学
专 业: 信息与通信工程
关键词: 盲信号分离 语音信号 时频屏蔽 短时傅立叶变换 幅值矩阵
分类号: TN912.3
类 型: 硕士论文
年 份: 2012年
下 载: 1次
引 用: 0次
阅 读: 论文下载
内容摘要
盲信号分离的应用领域越来越广泛,因此很多算法已经致力于如何分离出质量高的信号。本论文所要解决的问题是高质量分离信号的同时,提高算法的运算速度、降低算法的计算复杂度。主要从以下两大方面实现了高效盲分离算法。针对瞬时混合模型的盲分离,本论文提出直接用观测信号的频域幅值矩阵来求得分离矩阵,得到分离信号。此时,要求观测信号的频域幅值及频率要足够精确。因此,本论文引入了频谱校正的方法,即利用比值校正法对离散非密集谱校正的精确度高的优点,对得到的混合信号进行谱校正,由此得到精确的频域幅值及频率。为得到分离矩阵,需要对校正后的幅值矩阵聚类,将来自同一个源信号的各幅值向量聚在一起。由于混合矩阵的不确定性,聚类算法不能采用欧氏聚类,而是利用两向量之间的夹角进行聚类。由此,可得到分离矩阵,进而分离出各路源信号。实验表明:本论文所提出的基于频域幅值聚类算法分离的信号精确度高,计算复杂度很低,节省了计算时间。针对卷积混合模型的盲分离,本文提出了基于稀疏时频特征提取的盲分离算法。首先短时傅里叶变换将语音信号变换到时频域内,语音信号在时频域内的稀疏特性简化了盲分离算法,为去除各种噪声提供了便利。同时,短时傅里叶变换框架的高度冗余性及人耳的屏蔽效应为去除时频域内的冗余信息以减少特征模式聚类的数量、提高算法的计算速度提供了有力的理论依据。去除的冗余信息都不是组成各路源信号的主要分量,因此不会影响到盲信号分离的质量。本论文通过以上算法去除了94%~95%待聚类的特征模式数量。由此,节省了大量的计算量,加快了计算速度。本论文利用先验的传输模型,经过规范化获得的特征模式聚类与频率无关,由此,解决了卷积混合模型的次序不确定性问题。最后,通过时频掩蔽分离出各路源信号。通过对两种模型的盲分离算法研究可知,在保证分离信号的质量同时,算法的复杂度仍值得研究,这样节省了大量的资源及内存,加快了信号分离的速度,节省了时间,具有实际的工程意义。通过实验表明,本论文提出的盲信号分离算法可以同时实现分离信号的高质量与算法复杂度的降低。
|
全文目录
中文摘要 3-4 ABSTRACT 4-8 第一章 绪论 8-15 1.1 课题研究的背景及意义 8-9 1.2 盲信号分离的发展及现状 9-12 1.2.1 第一类瞬时混合盲分离的发展 9-11 1.2.2 第二类卷积混合盲分离的发展 11-12 1.3 本论文研究的目标及内容 12-13 1.4 本论文的章节安排 13-15 第二章 盲信号分离的基本理论 15-18 2.1 瞬时混合模型的盲分离 15-16 2.2 卷积混合模型的盲分离 16-17 2.3 盲信号分离的不确定性问题 17 2.4 本章小结 17-18 第三章 瞬时混合模型的盲信号分离 18-30 3.1 频谱校正原理 18-22 3.2 瞬时混合模型的盲信号分离算法过程 22-25 3.2.1 盲信号分离的假设条件 22 3.2.2 观测信号的频域幅值 22-23 3.2.3 观测信号频域幅值矩阵 23-25 3.3 仿真实验 25-28 3.3.1 瞬时混合模型的分离算法性能评价 25-26 3.3.2 算法验证 26-28 3.4 本章小结 28-30 第四章 卷积混合模型的盲分离 30-51 4.1 语音信号的特点 30-31 4.1.1 语音信号的短时平稳性 30 4.1.2 语音信号的稀疏特性 30-31 4.2 短时傅立叶变换 31-36 4.2.1 短时傅立叶正变换 31-34 4.2.2 短时傅立叶反变换 34-35 4.2.3 正反变换的数学表示 35-36 4.3 聚类算法 36-39 4.4 基于时频掩蔽的语音盲分离 39-44 4.4.1 时频掩蔽在语音信号盲分离中的作用 39-40 4.4.2 语音信号盲分离中存在的两大问题 40-41 4.4.3 时频屏蔽盲信号分离算法 41-44 4.5 仿真实验 44-50 4.5.1 卷积混合模型的分离算法性能评价 44-45 4.5.2 算法验证实验 45-50 4.6 本章小结 50-51 第五章 总结与展望 51-53 5.1 总结 51-52 5.2 展望 52-53 参考文献 53-58 发表论文和参加科研情况说明 58-59 致谢 59
|
相似论文
- 基于小波变换的语音信号去噪及其DSP算法实现,TN912.3
- 基于语音信号监测脑疲劳的微电子系统设计与优化,TN912.3
- 表面肌电信号分析与实时系统构建,R318.0
- 欠定条件下盲信号分离算法及其应用研究,TN911.7
- 基于盲信号分离的齿轮系统故障诊断研究,TH165.3
- 基于Gabor变换和盲信号分离的信号降噪技术及应用,TH165.3
- 语音情感识别研究,TN912.34
- 基于基追踪的测井信号分离,P631.8
- MIMO-OFDM系统中基于延拓梯度的盲信道估计算法,TN919.3
- 应用于上肢康复机器人的虚拟环境系统开发,TP242.3
- 说话人识别技术的研究,TN912.34
- 基于时频分析的多故障盲信号分离的研究,TN911.7
- 基于梳状滤波的宽带数字接收机的研究与FPGA实现,TN791
- VQ与HMM联合模型语音信号的实验研究,TN912.3
- 雷达通信一体化设计的信号与处理方法研究,TN974
- 基于HMM的情感语音识别,TN912.34
- 面向聋儿言语康复的发音检测技术的研究与应用,TN912.3
- 卷积混合语音信号频域盲分离研究,TN912.3
- 基于DSP的语音信号滤波技术研究,TN912.3
- 基于支持向量机的蒙古语语音端点检测方法研究,TN912.3
- 基于听觉神经原理的语音信号处理,TN912.3
中图分类: > 工业技术 > 无线电电子学、电信技术 > 通信 > 电声技术和语音信号处理 > 语音信号处理
© 2012 www.xueweilunwen.com
|