论文部分内容阅读
独立分量分析(independent component analysis，ICA)是近年来数字信号处理领域的一个活跃分支。它能在不知道源信号的分布类型和混合参数的情况下，仅利用源信号的混合信号去恢复源信号的各个独立成分，因此又被称作盲源分离(blind source separation，BSS)。因其对先验知识要求低的突出优点，独立分量分析已广泛应用在无线通信、生物医学、语音分离和图像消噪等许多领域。传统ICA方法通常存在输出不确定、估计效率低等缺陷，并且人们对源信号及其混合情况并非一无所知。为此，一些学者直接将这些先验知识引入盲源分离，得到了性能改善的结果，这便是半盲ICA(又称半盲分离)。鉴于先验信息及其利用方式的多样性，半盲算法种类较多。其中，参考独立分量分析(ICA with Reference，ICA-R)是一种应用源信号波形信息的典型半盲算法，具有输出顺序确定、估计效率高等优点。目前，ICA-R已被有效用于期望实值源信号的抽取。然而，许多ICA应用领域要求直接或间接地分离复值信号，如通信信号和语音的频域变换信号等。但目前尚无文献报道复数域半盲方法研究。本文针对复数域ICA-R主要做了以下三方面工作：(1)详细分析了复数ICA数学模型的特点，将复数ICA转化为实数ICA，并采用复数源信号的实部或虚部先验信息构造了参考信号，提出了基于实数ICA-R的复数半盲算法，计算机仿真结果表明了算法的有效性。(2)在约束ICA框架下，采用全盲复数fastICA算法的差异函数和关于复数信号幅值信息的不等式约束，建立了复数ICA-R的约束优化模型，并分别推导了定点和牛顿两种复数ICA-R算法。(3)提出了一种从含噪语音信号中获得有效先验信息的方法——带通滤波法，在此基础上将实数和复数两种ICA-R算法应用于语音增强，给出了时域和频域两种语音增强方法。计算机仿真实验结果表明，两种语音增强算法均可得到令人满意的效果。和时域算法相比，频域算法具有更好的恢复效果。这表明了复数ICA-R算法在语音增强中的优势。