学位论文 > 优秀研究生学位论文题录展示
盲信号分离系统的研究与实现
作 者: 王纪伟
导 师: 高宝成
学 校: 北京邮电大学
专 业: 检测技术与自动化装置
关键词: 盲信号分离 混合语音信号 主分量分析 快速ICA 独立分量分析
分类号: TN911.7
类 型: 硕士论文
年 份: 2010年
下 载: 198次
引 用: 1次
阅 读: 论文下载
内容摘要
近年来,盲信号分离方面的研究逐渐变为信号处理中的一个重要领域,并且取得了迅速的发展。盲信号分离能够从观测的混合信号中恢复出原始信号,所以对原始信号和混合系统的先验知识要求很少,已在雷达、声纳、无线电通讯、生物医学和图象处理等领域得到了广泛的应用。本文以盲信号分离为研究对象,主要针对瞬时线性混叠情况下的盲信号分离算法做出了研究,主要工作如下:首先,研究了盲信号分离的一些基本理论。介绍了盲信号分离的基本模型,说明了盲信号分离的约束条件和需要进行的一些预处理,提出了代价函数建立的准则和优化的方法,提出了评价分离性能的方法。其次,研究了盲信号分离的基本算法,并且做出了一些改进。对独立分量分析(ICA)、主分量分析(PCA)和快速ICA(Fast ICA)算法都进行了理论分析,同时还使用MATLAB对算法进行了仿真。同时针对快速ICA(Fast ICA)算法在原始数据独立性不强时,算法收敛性不好的问题,提出了一种改进方法,并且进行了仿真研究。语音的盲信号分离问题是盲信号分离技术研究的重要组成部分,不仅仅是因为其与盲信号分离研究的起源“鸡尾酒会问题”有着密不可分的联系,更是因为该问题的解决有着很广泛的实际意义。为此,本文还研究了语音的盲信号分离技术,开发了一个针对语音信号的盲信号分离系统。盲信号分离系统可以采集真实语音信号,然后使用不同的盲信号分离算法分离。由此可以分析各种算法的优缺点和应用范围,并得出一些有价值的结论,为下一步的研究提供参考。本文所做的工作对实际工程中的语音盲信号分离研究具有一定的参考意义。
|
全文目录
摘要 4-5 Abstract 5-9 第一章 绪论 9-19 1.1 研究背景 9-11 1.2 研究概况 11-17 1.2.1 发展历程 11-14 1.2.2 理论应用 14-15 1.2.3 研究方向 15-17 1.3 论文章节安排 17-19 第二章 盲信号分离的基础理论 19-28 2.1 数学模型 19-21 2.1.1 线性瞬时混合模型 19-20 2.1.2 卷积混合模型 20-21 2.2 盲信号分离的约定 21-23 2.2.1 约束条件 21-22 2.2.2 结果不确定性 22-23 2.3 预处理 23-24 2.3.1 去均值处理 23 2.3.2 预白化 23-24 2.4 盲信号分离的基本方法 24-27 2.4.1 代价函数建立的准则 24-26 2.4.2 代价函数的优化方法 26 2.4.3 分离性能的评价 26-27 2.5 小结 27-28 第三章 盲信号分离算法研究 28-46 3.1 独立分量分析(ICA) 28-35 3.1.1 数学模型与假设条件 28-29 3.1.2 独立分量分析的代价函数 29-33 3.1.3 独立分量算法步骤 33-34 3.1.4 算法仿真 34-35 3.2 主分量分析(PCA) 35-39 3.2.1 主分量的求解 36-39 3.2.2 算法仿真 39 3.3 快速ICA(Fast ICA) 39-43 3.3.1 预处理与代价函数 40-41 3.3.2 算法原理和步骤 41-43 3.3.3 算法仿真 43 3.4 算法的改进 43-45 3.4.1 算法改进 44 3.4.2 算法仿真 44-45 3.5 小结 45-46 第四章 盲信号分离系统的实现 46-57 4.1 总体结构 46-47 4.2 系统设计 47-53 4.2.1 数据采集 47-49 4.2.2 数据处理 49-51 4.2.3 结果显示 51-53 4.3 仿真实验 53-55 4.3.1 观测信号采集 53-54 4.3.2 分离结果分析 54-55 4.4 小结 55-57 第五章 总结与展望 57-60 5.1 全文总结 57-58 5.2 研究展望 58-60 参考文献 60-63 致谢 63-64 攻读学位期间发表的学术论文 64
|
相似论文
- 罐底腐蚀声发射信号降噪研究,TH878
- 用于金属磨粒检测系统的噪声消除算法研究,TP391.41
- 基于气味分析的设备异常检测方法研究,TB17
- 基于综合智能计算的模拟电路故障诊断方法,TN710
- 基于电话信道的声纹识别算法研究,TN912.34
- 基于VC++6.0的说话人识别系统的研究,TN912.34
- 基于独立分量分析的地震盲反褶积方法及应用研究,P631.4
- 基于独立分量分析和小波变换的钢丝绳缺陷信号提取,TG115.284
- 独立分量分析的重盲分离研究及其在机械故障诊断中的应用,TH165.3
- 基于盲源分离的肺音信号提取研究,TN911.72
- 基于数字拼写的视—听联合刺激诱发ERP研究,R318.0
- 基于听觉注意的认知脑—机接口研究,R318.0
- 多任务脑—机接口空域滤波与特征提取方法研究,TP11
- 基于Kernel ICA的PET图像去噪的研究,TP391.41
- 基于冗余小波和ICA的图像数字水印方法研究,TP309.7
- 基于非稳定性的独立分量分析及四种新稳定性测度方法,TP301.6
- 基于改进粒子群的盲源分离算法及其应用研究,TN911.7
- 基于BCI多动作模式的ERD/ERS信号分析及识别方法的研究,TN911.6
- 基于小波包与ICA的脑电α波提取研究,TN911.7
- 基于盲分离技术的地震反褶积方法研究,P631.4
- 独立分量分析(ICA)理论及其应用,P631.443
中图分类: > 工业技术 > 无线电电子学、电信技术 > 通信 > 通信理论 > 信号处理
© 2012 www.xueweilunwen.com
|