資源描述：
《【碩士論文】基于時域的語音信號盲分離算法研究及其DSP實現(xiàn).pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、四川大學(xué)碩士學(xué)位論文基于時域的語音信號盲分離算法研究及其DSP實現(xiàn)姓名：張玲申請學(xué)位級別：碩士專業(yè)：通信與信息系統(tǒng)指導(dǎo)教師：何培宇20040508刪川大學(xué)碩J上學(xué)位論文基于時域的語音信號旨分離算法研究及其DSP實現(xiàn)y654365基于時域的語音信號盲分離算法研究及其DSP實現(xiàn)通信與信息系統(tǒng)專業(yè)研究生張玲指導(dǎo)教師何培宇教授盲信號分離是當(dāng)前信號處理研究的熱點課題之一，在無線數(shù)據(jù)通信、雷達(dá)、圖像、醫(yī)學(xué)、語音以及地震信號處理等領(lǐng)域有著廣闊的應(yīng)用前景。卣信號分離就是根據(jù)觀測到的幾個獨立源信號的混合數(shù)據(jù)向量確定一變換
2、，以恢復(fù)出原始的源信號。典型情況下，觀測到的數(shù)據(jù)向量是一組傳感器的輸出，每個傳感器接收到的是源信號的不同組合，稱為混合信號。術(shù)語“盲”有兩重含義：f1)源信號不能被觀測；(2)源信號如何混合是未知的。盲信號分離所研究的源信號是多樣的，本文只針對我們感興趣的語音信號做出研究。盲信號分離分為線性混合和非線性混合。在線性混合中，又包括兩大類：一類是基于瞬時混合模式，一類是基于卷積混合模式。目前，語音信號盲信號分離的研究重點是基于卷積混合模式的。我們主要從時域出發(fā)對卷積混合模式下的盲信號分離作了研究。首先給出了
3、一種可用于實際環(huán)境中的語音信號盲分離算法。在簡化了一般的盲信號分離模型基礎(chǔ)上，闡述了該算法的分離準(zhǔn)則并對其自適應(yīng)收斂算法進(jìn)行了推導(dǎo)。該算法僅使用了二階統(tǒng)計量，相對于其它的盲信號分離算法計算量較小，并可以處理非最小相位系統(tǒng)的盲分離。對兩個語音源信號的混合信號被兩個麥克風(fēng)所拾取的情況，利用實際環(huán)境中所采集到的真實語音信號，進(jìn)行了計算機(jī)仿真，得到較好的試驗結(jié)果?；赥I公司的浮點DSP：TMS320C6701，利用上述的盲信號分離算法，實現(xiàn)了兩個語音源信號，兩個麥克風(fēng)情況下的盲信號分離系統(tǒng)。論述了該盲信號分離
4、系統(tǒng)的DSP實現(xiàn)，并對該系統(tǒng)的性能做了分析。經(jīng)現(xiàn)場驗證，該系統(tǒng)不僅達(dá)到了實時處理的要求，而且對真實房間中的兩路語音信號的盲分離得到了較四川大學(xué)碩士學(xué)位論文基于時域的語音信號盲分離算法研究及其DSP實現(xiàn)好的效果。最后，本文還針對目前盲信號分離研究中存在另一個難點問題，即在噪聲環(huán)境中，如何進(jìn)行語音信號盲分離的問題進(jìn)行了研究。為了解決由于噪聲存在而導(dǎo)致解混合系統(tǒng)性能發(fā)生嚴(yán)重惡化的問題，利用語音源信號的短時平穩(wěn)特性和噪聲信號的長時間平穩(wěn)特性，我們提出的差分方法可以抵消噪聲信號的影響，使得解混合系統(tǒng)的權(quán)仍能夠收斂
5、到正確值。同樣的，我們也用計算機(jī)仿真證明了算法的有效性。關(guān)鍵詞：盲信號分離卷積混合語音信號自適應(yīng)算法相關(guān)DSP四川大學(xué)碩士學(xué)位論文基于時域的語音信號盲分離算法研究及其DSP實現(xiàn)TheResearchonBlindSignalSeparationAlgorithmintime—domainanditsDSPimplementationCommunicationandInformationSystemGraduateZhangLingSupervisorHePeiyuBlindsignalseparatio
6、n(BSS)isallimportanttopicinthedomainofsignalprocessingandhasmanyapplicationsinpractice，suchaswirelessdatacommunication，radar,medicineandearthquakesignalprocessing．TheaimofBSSistorecovertheori【ginalindependentsourcesignalsfromtheirmixedsignalvectors，bycon
7、structingacertaintransform．Here，“Blind”meansthattheinformationofsourcesandthemixingsystemisurlknown．Inthisthesis，weonlyconsiderthesituationofaudiosignalsastheinputsignals．TherearetwoclassesofBSS．Oneisthelinearmixturemode，andtheotheristhenonlinearmixturem
8、ode．Thelinearmixturemodedealswithtwoclasses，instantaneousmixingproblemandconvolutionmixingproblem．Ourinterestismainly0nthelatter．Inthisthesis，wemainlyresearchBSSintime—domain．Analgorithmofrealworldseparationforconvolvednon
