文档介绍：实时语音盲信号分离及声源定位研究指导教师何培宇教授盲信号处理已成为信号处理领域的研究热点。盲信号分离则是盲信号处理的一个重要研究方向,在语音识别、生物信号处理、数据通信、图像增强等领域有着广泛的应用。在线性混合的情况下信号源的混合模型有两种,一种是瞬时混合模型,另外一种是卷积混合模型。目前,对基于瞬时混合模型的盲信号分离研究比较充分,已取得了比较好的分离效果。对于语音盲信号分离问题,由于语音信号传播过程中的时延及空问滤波效应,信号的混合是基于卷积混合模型的,这给解决真实环境下的语音盲信号分离问题带来挑战。本文主要研究真实环境下的自适应语音盲信号分离及声源定位问题。时对消波束形成与一种简单的去相关盲分离算法相结合。在波束形成阶段,利用互功率谱相位法对声源进行定位,在此基础上再进行盲信号分离,并将一种表明该分离结构易于实时实现,且分离性能有比较好的改善。研究了两种基于高阶统计量的盲信号分离算法,通过高阶累积量的性质介性能和计算复杂度。相比基于二阶统计量的盲信号分离算法,指出了基于商阶统计量的算法的优缺点,并分析了原因。离系统,重点介绍了该系统的软件设计。在该低成鲜迪至艘恢只诙统计量的去相关盲信号分离算法,且分离结果可通过凳毕允驹谥骰信号与信息处理专业研究生吴景田首先提出了一种新的基于波束形成预处理的盲信号分离结构。该结构将延基于二阶统计量的去相关算法从时域推广到频域进一步降低计算复杂度。实验绍了两种算法的基本思想。在模拟真实条件的情况下,探讨了两种算法的分离利用公司提供的菇艘桓龌镜拿ば藕欧界面上。在7⒒肪诚卤嘈戳斯㎜调用的动态链接库。通四川大学硕士学位论文
知识水坝***@pologoogle为您整理
关键词:盲信号分离;声源定位;独立分量分析;二阶统计量;高阶累积量过饔枚唇涌猓谥骰丝梢苑奖愕乜刂艱系统。研究了一种基于麦克风阵列的说话人定位和分离技术。首先对声源进行定位;然后进行波束形成,对不同方向上的信号分别进行增强;最后在频域用独立分量分析椒ń徊椒掷胄藕拧N恼伦詈筇教至烁眉际踉谌üび镆通信系统中的应用,利用麦克风阵列形成一个波束指向感兴趣语音源,然后用境下,我们提出的方法能够有效地提取期待语音源信号。翰ㄊ纬桑宦罂朔缯罅盲信号分离技术分离源信号和回波信号。仿真实验表明在存在回波和混响的环四川大学硕士学位论文实时语音盲信号分离及声源定位研究
知识水坝***@pologoogle为您整理
靣纽甌—耽驴曲尸鴚瓸耹四川大学硕士学位论文实时语音盲信号分离及声源定位研究:口.,甌....甀琣.【
曲,】瑃.,甌籇;...:;;籗;四川大学颐十学位论文
髀盲信号问题的提出众所周知,人的听觉系统能够使人在众多的声音信号中跟踪一种声音,而忽略其它的声音,这就是著名的“鸡尾酒效应”。也就是在有嘈杂声音的环境下,只拾取自己感兴趣的说话人声音,而忽略其他人的说话声音,这种从众多的混合信号或者观察信号中,提取未知信号源的过程,就叫做盲信号分离,也测到的数据向量是一组传感器的输出,每个传感器接收到的信号是未知源信号的不同组合,称为混合信号。术语“盲”有两层含义:葱藕挪荒芄槐还测,葱藕湃绾位旌鲜俏粗5摹O匀唬泵挥行旁春托诺赖南妊橹J兜氖候,盲信号分离是一种很自然的选择。在盲信号分离问题中最常用的假设是源信号的相互统计独立性。统计独立性即表明:无法从一个源信号获知其它源信号的任何知识。已经证明【浚绻信号源满足统计独立,那么信号分离的充分必要条件就是输出的信号也是统计独立的。本文研究的基础都是基于源信号是相互统计独立这一假设条件的。盲信号的混合模型有两大类:一类是非线性混合模型,另一类是线性混合模型。非线性混合模型在混沌、分形等非线性理论中有着广泛的应用,本文不对基于瞬时混合模型的盲信号分离问题,近十年来出现了大量的研究成果,产生了很多成熟的算法,故近年的研究重点集中于基于卷积混合模型的盲信号分离问题。我们知道,由于语音信号实际传播过程中的时延和空间滤波效应,传感器接收的输入大多是时延和相移源信号的混合,实际情况下语音盲信号分离是基于卷积混合模型的,所以本文研究的语音盲分离问题也是基于该模型的。解决盲信号分离问题主要有两大类方法:一类是自适应滤波方法,另一类分量尽可能统计独立。这两大类方法各有优势,但椒ǜS糜诨谒彩称之为盲源分离,5湫颓榭鱿拢予讨论。线性混合模型又分为两种:彩被旌夏P停卷积混合模型。是基于统计论和信息论的独立分量分析法。独立分量分析的主要目的是确定一个线性变换矩阵,使得变换后的输出一四川大学硕士学位论文实时语音盲信号分离及声源定位研究,,’
,⋯,晶】桓龃ǜ衅魉鄄獾降幕旌鲜向量表示为一【墨,恐后。我们希望经过盲信号分离处理后得到的输出信跳甹,儿,⋯,朋】窃葱藕诺摹案粗