论文部分内容阅读
早期人们对于语音信号盲分离的研究主要是基于麦克风阵列的研究,出现了很多优秀的算法,比如ICA算法、基于信号的稀疏性研究等。随着人们对于盲源分离研究的不断进步,人们发现人的双耳对于语音信号的识别作用更加神奇,因此越来越多的学者投身到这个新的方向上,为了能够模拟人耳的这种分离功能,他们采用双麦克风模拟人的双耳。目前对于双麦克风盲源分离的研究还没有取得实质性的进展,对于这种模型我们可以用盲源分离中的欠定模型进行研究,解决这种情况的主流算法是采用信号的稀疏性进行信号的分离。本文对基于双麦克风的盲源分离进行了研究,主要做了以下几方面的研究:1.重点分析比较了ICA的四大类独立性判断准则,极大化似然估计准则、最小化互信息准则、信息最大化准则以及极大化非高斯性准则。2.结合前面介绍的ICA算法和二值时频掩蔽(T-F BM),研究了正定双麦克风盲源分离算法。首先,把采集到的两路语音信号应用ICA算法进行初步分离,分离得到两路信号。其次,对这两路信号进行短时傅里叶变换(STFT),变换到频域过后,通过分离的信号得到二值时频掩蔽(T-F BM)矩阵。由于时频掩蔽会造成音乐噪声的产生,最后,我们采用倒谱平滑的技术对得到时频掩蔽进行平滑处理,利用平滑过后的掩蔽分离出源信号。通过仿真实验证明该算法分离出的信号更接近于真实的语音信号,并且性能上也得到了提升。3.针对欠定模型的双麦克风分离技术,提出了一种基于倒谱平滑的欠定双麦克风盲源分离算法。首先对输入的混合语音信号进行ICA分离,将分离的信号进行自适应非线性二值时频掩蔽处理,重复进行这两个步骤,直到分离出所有的源信号为止。将分离出的源信号再通过二值时频掩蔽合并以提高输出信号的质量,分离出的语音信号的双声道立体声效果仍然可以得到很好地保留。最后对分离出的所有源信号进行倒谱平滑处理,得到最终的分离信号。实验表明,该算法的性能比DUET算法和BLUES算法都要好,信噪比增益也得到了提高。