论文研究-基于独立分量分析的语音信号盲源分离 .pdf

所需积分/C币:16 2019-08-18 23:07:02 374KB .PDF
收藏 收藏
举报

基于独立分量分析的语音信号盲源分离,胡慧玲,,通信网络中的含噪混叠语音的分离是语音信号处理中的重要研究问题。针对语音信号的非平稳特性与不同语音源之间的相互独立性,提出
山国酗技论文在线 http://www.paper.edu.cn 软件部分 Labview采用基」流程图的图形化编程方式,它编程简单、易于理鮮、效率高,针对 数据采集、仪器控制信号分析和数据处理等任务,设计提供了丰富完善的功能图标吲 Lab Iew提供了 MAILAB Script节点,可以在节点中编辑 MATLAB程序,解决复杂的数 值运算,这为语音识别的研究和测试提供了挈机。 Labview中提供了一系列使用 Windows底层函数编写的与声卡有关的函数。这些函数 集中在 Functions→ All Function→ Graphics& Sound→ Sound下。由于使用 Windows底层函数 直接与声卡驱动程序打交道,因而封装层次低,速度快,而且可以访问、采集缓冲区中仟意 位置的数据,具有很人的灵活性,能够满足实时不间断采集的需憂。 实验仿真和分析 在 Labview中,利用 Windows声卡对语音信号进行采样。设置声卡中数据采样相关的 硬件参数,釆样频率为14kHL,缓冲区长度为默认值8192字节,采样数为单声道16位,设置 为录音状态,采集两个人的语音信号,记录有效的原语音数据存储于语音波形结构数组中,原 始语音信号s1,S2如图1,2 图1原始语音信号S1 图2原始语音信号S2 将两个观测信号S1,S2进行人工混叠并加入一定幅度的高斯白噪声,得到一般环境中的 观测信号x1,x2如下图34. 图3含噪混叠的语音信号ⅹ 。:5 图4含噪混叠的语音信号ⅹ2 山国酗技论文在线 http://www.paper.edu.cn 考虑到在同一背景下噪声分布基本相同,设实验中所加的噪声n1,n2相等首先对观测信 号x1,x2做分离实验,即 (6) 2(t)」s2(t)n2(t) 首先进行消噪,去均值和预白化处理然后终 FastIca分离后,得到语音分量。为了分离出较好 的语音源信号,在对x1,x,消噪时不能太彻底,尽可能地不损失观测信号中的有用的语音成分 避免分离出的语音信号严重失真,导致语音质量下降,识别率降低。但是可以在提出了分离信 号之后再做一次处理,得到更加清晰的佔计信号S1,S2,如下图5,6。 图5分离出的语音信号S1 图6分离出的语音信号S 从实验的仿真结果来看,分离效果是非常令人满意的。采用分离输出信号s (i=,,n)与源信号s;(j=1,,n)的相关系数作为一个度量,定义为 s(t)s, (t)I (7) <1且接近1说明结果很理想。 结论 基于独立分离分析的盲分离算法有效地实现了语音信号的分离,并达到了很好的效果。 如果増加观测信号数目以及在环境噪声更加强烈的背景下,实验的效果就不那么理想了。而 麦克风阵列可以解决单麦克风所带来的问题,阵列信号处理的硏究可以解决语音源的定位 实时性等需要进一步完善的问题,这些在语音通信领域有很高的实用价值 4 山国酗技论文在线 http://www.paper.edu.cn 参考文献 [1]韩纪庆,张磊,郑铁然.语音信号处理[M]北京:清华大学出版社2004.09 [2]赵鶴吗,朱祺,陈雪勤等.临界频带子波变换用丁混叠语音分离的研究[J.声学学报,2004,29(2):177-18L. [3 Cardoso jf. blind signal separation [] Statistical principles. Proc. IEEE, 1998, 86(10): 2009-2025 4」刘瑶,何振亚盲源分离和盲反卷积电子学报,2002,30(4570-576 5」张发启.盲源信号分离技术山现代电子技术,2004,20:81-82. 6」陶磊,张均基于独立分离分析的盲源分离研究广东通信技术,2007,:7-11 T」赵彬,杨俊安,上晓斌混叠通信信号的盲分离理山J电讯技术,2005,01:81-84 8]贾金垮,姚毅,陈志利.基于ICA的盲信号分离算法硏究[四川理工学院学报(自然科学版),2007,20(2) 72-76 [9]候国屏,王坤,叶齐鑫abⅤEW7,1编程与虚拟仪器设汁[M]北京:华大学出版社,2005.2 [10]何英,何强 MATLAB扩展编程[M]北京清华大学出版社,202,02289-372 Hu huiling School of Information Engineering, WUT, wuhan(430070 Extracting source speeches from noisy mixtures in communication network is a vital problem in speech processing. For the non-stationary and independence of speech signal, the approach to separate it b using independent component analysis was proposed in this paper. Independent component analysis a relatively new method, had a better effect on the de-noising and separation, which is a multi-channel signal processing way developed from the blind source separation in recent years, and it is a signal processing method for the extraction of the independent source on the circumstance that no approach to the source signal aliasing but the observational data. This method is characterized by decomposing the multi-channel observational signal into a number of independent components through the optimization algorithm in accordance with the principles of independence and statistics, thus helping to realize the signal enhancing and analysis. The simulation results showed that the method had good separation effects blind source separation; independent component analysis; de-noising

...展开详情
试读 5P 论文研究-基于独立分量分析的语音信号盲源分离 .pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    上传资源赚积分,得勋章
    最新推荐
    论文研究-基于独立分量分析的语音信号盲源分离 .pdf 16积分/C币 立即下载
    1/5
    论文研究-基于独立分量分析的语音信号盲源分离 .pdf第1页
    论文研究-基于独立分量分析的语音信号盲源分离 .pdf第2页

    试读已结束,剩余3页未读...

    16积分/C币 立即下载 >