欠定信號分離及其在語音處理中的應用.pdf

1、信號分離和重構是近年來信號處理領域的研究熱點，它已經被廣泛應用到語音和圖像信號處理、生物醫(yī)學信號處理、雷達、通信等許多領域。當在混合過程未知、源信號未知的情況下，利用少量先驗信息，從觀測到的混合信號中恢復出源信號稱為盲源分離。以往的研究多假設混合信號的個數多于或等于源信號的個數，但是實際情況下，這個條件往往不能滿足，因此研究源信號個數多于混合信號個數的欠定信號分離更具有實際意義。本文將研究欠定信號分離問題，包括多通道的欠定信號分離，單通

2、道信號分離及其在語音分離、語音增強中的應用。論文的主要工作概括如下:
　　1.針對弱稀疏信號的欠定盲分離魯棒性差的問題，提出了一種基于單源點檢測和人工蜂群算法的盲分離方法。首先分析了已有單源點檢測算法的不足，并通過相鄰幀觀測信號的實虛部來檢測單源點，然后通過兩階段采用不同搜索策略和編碼方式的人工蜂群算法對混合矩陣進行估計。在全局搜索階段，定義了一種適合于“線聚類”的全局目標函數，充分利用聚類的特點，通過改變蜂群的行為方式，提高了算

3、法的收斂速度;在局部搜索階段，定義了局部目標函數，通過子蜂群之間的協(xié)同作業(yè)，進一步提高了混合矩陣估計的精度。最后，通過線性規(guī)劃法恢復出源信號。該方法對初始值不敏感，在源個數較多、弱稀疏、低信噪比的情況下仍然可以很好完成對源信號的分離，而且不需要太大的計算量。
　　2.針對源信號在時頻點相互重疊的情況，提出了基于局部混合模型和源信號活動狀態(tài)判斷的欠定盲分離方法。在每個時頻點激活源信號個數不超過混合信號個數和源信號具有局部平穩(wěn)性的條件

4、下，得到了局部混合模型來描述局部區(qū)域內觀測信號的分布。將各時頻點上源信號的活動狀態(tài)作為隱變量，通過最大期望算法估計局部區(qū)域的方差參數和權重因子，以此獲得源信號狀態(tài)的最大后驗估計，并由此恢復出源信號。該方法不要求局部區(qū)域內各時頻點的主導源必須是完全一樣的，可以對每個時頻點的源信號狀態(tài)進行獨立的判斷。實驗結果表明，該方法具有很快的收斂速度和更好的分離性能。
　　3.針對不同分布類型的源信號，提出一種基于廣義高斯模型和馬爾科夫鏈蒙特卡洛

5、的子空間欠定盲分離方法。用廣義高斯分布來擬合源信號的分布，將模型參數看作隨機變量。為了解決零空間隱變量和參數的聯(lián)合后驗條件概率密度函數的高維多重積分無法實現(xiàn)的問題，根據子空間性質推導出所有的全條件概率密度，然后通過Gibbs和Metropolis-Hastings混合抽樣，得到源信號的最小均方誤差估計。該方法即可以對超高斯信號（稀疏信號）進行分離，也可以對次高斯信號（非稀疏信號）進行分離，而且解決了模型參數估計容易陷入局部極值點、魯棒性

6、差的問題。將該方法用于非稀疏區(qū)的信號分離，提出了基于非稀疏評判準則的欠定盲分離方法，進一步提高了語音信號的分離性能。
　　4.研究了混響環(huán)境中的語音信號欠定盲分離問題。針對卷積盲分離的頻域解決方案，提出了基于子頻段和人工蜂群算法的排序校正方法，該方法可以更好的解決排序模糊的問題。針對偽消聲解決方案，提出了觀測信號的局部廣義高斯混合模型，進一步討論了語音信號的最佳局部分布，然后通過該模型分離出語音信號。該方法可以提高分離效果，不需要

7、解決排序模糊的問題。
　　5.將單通道信號分離應用于語音增強，提出了一種基于非負矩陣分解的單通道語音增強算法。基于非負矩陣分解的語音增強方法對于非平穩(wěn)噪聲具有更好的去噪能力，通過對帶噪語音的幅度譜進行非負矩陣分解，得到語音和噪聲的基矩陣和時變增益系數矩陣，進而通過維納濾波分離出語音信號和噪聲。由于噪聲的時變增益系數在相鄰時間幀具有較強的相關性，通過在目標函數中增加相關性約束項來提高語音和噪聲時變增益系數的估計精度。針對該目標函數，