在现代信号处理中,很多情况下,源信号以及传递通道信息都是未知的,怎样由传感器接收的混合信号来估计出各个源信号,成为实际工作中信号处理研究与应用面临的一大困难。
　　盲源分离是近二十年来信号处理领域中发展起来的一种前沿技术,它正是分离上述混合信号以得到各个源信号的新方法。盲源分离在语音信号处理、阵列信号处理和说话人识别等众多领域都有广泛和极具价值的应用前景。
　　在以上背景下,本文首先利用时域的卷积混合对应于频域复数信号的瞬时混合这一思想,对瞬时混合信号的时域盲分离算法进行扩展,得到了一种卷积混合信号的频域盲分离算法。通过实验对时域和频域算法的性能作了对比,在此基础上提出了一种时-频域综合盲源分离算法。与频域算法相比,时-频域综合算法输出的信号-干扰比提高了5.5dB,表明了时-频域综合算法的有效性。
　　其次,对固定波束形成技术进行改进,得到一种针对语音信号的自适应宽带波束形成技术,提出了一种基于麦克风阵的盲源分离算法。该算法既能有效减少麦克风阵的阵元数,也能提高盲源分离算法的稳健性。真实环境下,对噪声的抑制达到22dB。
　　最后,是广西区研究生教育创新计划项目的内容。利用语音的独立分量基函数在说话人识别中的良好分类性能,使用独立分量分析提取说话人特征,提出了一个基于盲源分离的说话人识别系统。实验结果表明,在噪声环境下此系统具有较高的识别率。