论文部分内容阅读
盲源分离是近几年信号处理领域兴起的热点问题,其主要目的是在未知源信号以及传输特性的前提下,仅从接收的混合信号中提取或表达出独立源信号的信息。近几年的研究表明,真实环境中的盲语音分离是非常困难的,环境噪声、复杂的房间冲激响应都会使仿真环境下工作很好的盲分离算法性能大大下降。该论文在此背景下开展基于麦克风阵列的盲语音分离算法研究。
该论文的主要工作如下:
1.针对卷积混合的盲分离模型,该文提出了一种快速的频域内盲语音分离方法,通过预处理(如解相关),基于信息最大化的独立分量分析滤波和后处理(解排列和尺度不定性)等一系列算法步骤,达到有效地分离卷积混迭的语音信号的目的;尤其是引入一种改进的数据白化算法,能够很好地去除各分量中的二阶相关,提高了独立分量分析算法的收敛速度,对低混响条件(混响时间小于100ms)下的真实混合语音信号,获得非常好的分离效果;
2.针对在真实会议厅(混响时间在800ms左右)频域盲语音分离算法性能下降的问题,该文提出了一种改进的实时盲语音分离方法,通过延时-相加的多波束形成器和功率谱减法的预处理算法,对混响和噪声有一定的抑制作用,以及采用改进的批处理算法,因此它非常适合于在实际的麦克风阵列盲语音分离系统中实时实现;
3.设计并实现了一种基于USB2.0接口的麦克风阵列实时采集系统,通过FPGA实时地采集并打包多通道的语音数据,由DMA通道交给USB2.0控制芯片,再由USB2.0的等时传输(isochronous)端点把语音数据传送给上位PC机,实时同步获取信噪比高的麦克风阵列语音数据,完成了实时盲语音分离算法的性能评估实验。该系统的USB2.0带宽最大达到了192Mbit/s(在等时传输模式下)的理论值,提供了很好的系统扩展性。