研究论文-一种改进的自然梯度语音信号盲分离算法.pdf
需积分: 9 156 浏览量
2019-08-07
15:26:00
上传
评论 1
收藏 545KB PDF 举报
第 ４２ 卷第 ３ 期
应 用 科 技
Ｖｏｌ．４２ №．３
２０１５ 年 ６ 月
Ａｐｐｌｉｅｄ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ
Ｊｕｎ． ２０１５
ｄｏｉ： １０．３９６９ ／ ｊ．ｉｓｓｎ．１００９⁃６７１Ｘ．２０１４０９０１５
网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ ｋｃｍｓ ／ ｄｅｔａｉｌ ／ ２３．１１９１．Ｕ．２０１５０４２０．１０５５．０１１．ｈｔｍｌ
一种改进的自然梯度语音信号盲分离算法
岳建杰
１
， 赵旦峰
１
，张成
２
１．哈尔滨工程大学 信息与通信工程学院，黑龙江 哈尔滨 １５０００１
２．哈尔滨工程大学 自动化学院，黑龙江 哈尔滨 １５０００１
摘 要：自然梯度算法有较快的收敛速度、良好的分离性能，在盲信号分离中占有重要地位。 基于自然梯度的盲源分离
算法一般分为固定步长和变步长的自然梯度算法，固定步长的自然梯度算法存在分离速度与稳定性之间的矛盾，即步长
越长时分离速度快，但是稳态误差又得不到保障；步长太小分离速度又达不到要求。 为了改善分离速度与稳定性之间的
矛盾，提出了一种变步长的方法来，并用其改进了固定步长的标准自然梯度算法，成功地用于混合语音信号的分离，该方
法取得比标准自然梯度算法更好的分离效果，具有更快的收敛速度。
关键词：语音信号处理；自然梯度算法；收敛速度；盲信号分离
中图分类号：ＴＮ９７１．１ 文献标志码：Ａ 文章编号：１００９⁃６７１Ｘ（２０１５）０３⁃０３０⁃０５
Ｓｐｅｅｃｈ ｓｉｇｎａｌ ｂｌｉｎｄ ｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ ｂａｓｅｄ ｏｎ
ａｎ ｉｍｐｒｏｖｅｄ ｎａｔｕｒａｌ ｇｒａｄｉｅｎｔ ａｌｇｏｒｉｔｈｍ
ＹＵＥ Ｊｉａｎｊｉｅ
１
， ＺＨＡＯ Ｄａｎｆｅｎｇ
１
， ＺＨＡＮＧ Ｃｈｅｎｇ
２
１． Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｈａｒｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｈａｒｂｉｎ １５０００１， Ｃｈｉｎａ
２． Ｃｏｌｌｅｇｅ ｏｆ Ａｕｔｏｍａｔｉｏｎ， Ｈａｒｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｈａｒｂｉｎ １５０００１， Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ：Ａ ｎａｔｕｒａｌ ｇｒａｄｉｅｎｔ ａｌｇｏｒｉｔｈｍ ｈａｓ ａ ｆａｓｔ ｃｏｎｖｅｒｇｅｎｃｅ ｒａｔｅ ａｎｄ ｅｘｃｅｌｌｅｎｔ ｓｅｐａｒａｔｉｏｎ ｐｒｏｐｅｒｔｙ， ａｎｄ ｔｈｕｓ ｐｌａｙｓ
ａｎ ｉｍｐｏｒｔａｎｔ ｒｏｌｅ ｉｎ ｂｌｉｎｄ ｓｉｇｎａｌ ｓｅｐａｒａｔｉｏｎ． Ｔｈｅ ｂｌｉｎｄ ｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ ｂａｓｅｄ ｏｎ ｎａｔｕｒａｌ ｇｒａｄｉｅｎｔ ａｒｅ
ｃｏｍｍｏｎｌｙ ｃｌａｓｓｉｆｉｅｄ ｉｎｔｏ ｆｉｘ⁃ｓｔｅｐ⁃ｓｉｚｅ ａｎｄ ｖａｒｉａｂｌｅ ｓｔｅｐ⁃ｓｉｚｅ ａｌｇｏｒｉｔｈｍｓ． Ｔｈｅ ｆｉｘ⁃ｓｔｅｐ⁃ｓｉｚｅ ｎａｔｕｒａｌ ｇｒａｄｉｅｎｔ ａｌｇｏｒｉｔｈｍ
ｈａｓ ｔｈｅ ｉｎｈｅｒｅｎｔ ｃｏｎｔｒａｄｉｃｔｉｏｎ ｂｅｔｗｅｅｎ ｔｈｅ ｓｐｅｅｄ ｏｆ ｓｅｐａｒａｔｉｏｎ ａｎｄ ｔｈｅ ｅｒｒｏｒ ｉｎ ｓｔｅａｄｙ ｓｔａｔｅ． Ｎａｍｅｌｙ ｔｈｅ ｂｉｇｇｅｒ ｔｈｅ
ｓｔｅｐ ｓｉｚｅ ｉｓ， ｔｈｅ ｆａｓｔｅｒ ｔｈｅ ｓｅｐａｒａｔｉｏｎ ｓｐｅｅｄ ｉｓ， ｂｕｔ ｔｈｅ ｅｒｒｏｒ ｉｎ ｓｔｅａｄｙ ｓｔａｔｅ ｃａｎｎｏｔ ｍｅａｓｕｒｅ ｕｐ． Ｔｈｅｎ ａ ｓｍａｌｌ ｓｔｅｐ
ｓｉｚｅ ｗｏｕｌｄ ｌｅａｄ ｔｏ ｓｌｏｗ ｓｅｐａｒａｔｉｏｎ ｓｐｅｅｄ． Ｉｎ ｏｒｄｅｒ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｃｏｎｔｒａｄｉｃｔｉｏｎ， ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ａ ｎｅｗ ｍｅｔｈｏｄ
ｂａｓｅｄ ｏｎ ｖａｒｉａｂｌｅ ｓｔｅｐ⁃ｓｉｚｅ ｎａｔｕｒａｌ ｇｒａｄｉｅｎｔ， ｗｈｉｃｈ ｉｓ ｕｓｅｄ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｆｉｘｅｄ⁃ｓｔｅｐ⁃ｓｉｚｅ ｓｔａｎｄａｒｄ ｎａｔｕｒａｌ ｇｒａｄｉｅｎｔ
ａｌｇｏｒｉｔｈｍ ａｎｄ ｉｔ ｈａｓ ｂｅｅｎ ｓｕｃｃｅｓｓｆｕｌｌｙ ａｐｐｌｉｅｄ ｔｏ ｓｅｐａｒａｔｅ ｍｉｘｅｄ ｓｐｅｅｃｈ ｓｉｇｎａｌｓ． Ｔｈｅ ｎｅｗ ａｌｇｏｒｉｔｈｍ ｈａｓ ｇａｉｎｅｄ ｂｅｔ⁃
ｔｅｒ ｓｅｐａｒａｔｉｏｎ ｐｅｒｆｏｒｍａｎｃｅ ａｎｄ ｆａｓｔｅｒ ｃｏｎｖｅｒｇｅｎｃｅ ｓｐｅｅｄ ｉｎ ｉｎｔｅｒ ｓｙｍｂｏｌ ｉｎｔｅｒｆｅｒｅｎｃｅ ｔｈａｎ ｔｈｅ ｓｔａｎｄａｒｄ ｏｎｅ．
Ｋｅｙｗｏｒｄｓ：ｓｐｅｅｃｈ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ； ｎａｔｕｒａｌ ｇｒａｄｉｅｎｔ ａｌｇｏｒｉｔｈｍ； ｃｏｎｖｅｒｇｅｎｃｅ ｒａｔｅ； ｂｉｎｄ ｓｉｇｎａｌ ｓｅｐａｒａｔｉｏｎ
收稿日期：２０１４⁃０９⁃２５． 网络出版日期：２０１５⁃０４⁃２０．
作者简介：岳建杰（１９８６⁃），男，硕士研究生；
赵旦峰（１９６１⁃），男，教授，博士生导师．
通信作者：岳建杰，Ｅ⁃ｍａｉｌ：３４８２７４７４２＠ ｑｑ．ｃｏｍ．
盲信号分离起源于鸡尾酒会问题
［１］
，在鸡尾酒
会场景下，没有源信号的任何先验信息，只知道混合
的观测信号，这就使得盲信号分离成为了解决无源
信号问题的最好方法，因为这种估计源信号方法无
需知道混合过程的参数等信息
［２］
。 盲信号分离最
基本的方法就是独立分量分析（ ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏ⁃
ｎｅｎｔ ａｎａｌｙｓｉｓ，ＩＣＡ）的方法，其中 Ｆａｓｔ ＩＣＡ 算法
［３］
、随
机梯度算法
［４］
、自然梯度算法
［５］
、ＥＡＳＩ 算法
［６］
、迭
代求逆等方法都是常用的算法，这些算法都是最小
均方（ｌｅａｓｔ ｍｅａｎ ｓｑｕａｒｅ，ＬＭＳ） 型的算法。 ＬＭＳ 算法
有着固有的缺陷，就是稳态误差和步长成正相关性，
收敛时间和步长成反相关性，这就使得这一类型的
算法收 敛 速 度 和 稳 态误 差 特 性 不 能 同 时 得 到 满
足
［７］
。 为了改善这种状况，本文对前人自然梯度算
法
［８⁃１１］
进行深入研究，采用文献［１２］ 中把固定步长
改变成变步长的思想，不仅大大提高了自然梯度算
法分离效率，而且大幅提升了分离的收敛速度。
１ 盲信号分离问题
语音信号盲分离问题瞬时混合模型通常如图 １
资源评论
