信息处理课群综合训练与设计-语音信号的盲分离

题目:信息处理课群综合训练与设计——语音信号的盲分离lab合矩阵生成若干混合信号。选取合适的盲信号分离算法(如独立成分分析ICA等)进行训练学习，求出分离矩阵和分离后的语音信要求完成的主要任务:matlab后语音信号的时域和频域波形图(2)选择合适的混合矩阵，得到混合信号，并做出其时域波形和频谱图(4)用求出的分离矩阵从混合信号中分离出原语音信号，并画出各分离信号的时域波(5)对结果进行对比分析。系主任(或责任教师)签名： I 练与设计说明书摘要是为是模仿人类的语音分离能力，因此具有较大的应用前景和现实意义。II 练与设计说明书sedthmICA1 练与设计说明书1绪论S2 练与设计说明书语音信号方面非常有效。fixedpoint负峰度的源信号。最近，人们已经开始研究存在噪声的混合和非线性混合信号的盲源分离问3 练与设计说明书对非线性静态和动态过程实现盲源分离。Tan和Wang提出了基于遗传算法cAlgorithm的梯度算法相比，基于遗传算法的盲源分离方法有着更快的收敛速度和稳定性，4 练与设计说明书2语音信号的分析语音信号的时域分析就是分析和提取语音信号的时域参数。进行语音分析s5 练与设计说明书进行分析，相应的频谱称为“短时谱”。。的离散傅立叶变换算法，计算速度较慢。函数FFT的另一种调用格式为6 练与设计说明书7 练与设计说明书8 练与设计说明书声音的时域图形9 练与设计说明书%将混合矩阵重新排列并输出 练与设计说明书%将混合矩阵重新排列并输出 练与设计说明书%将混合矩阵重新排列并输出 练与设计说明书 练与设计说明书 练与设计说明书3盲分离的基本概念+分离系统Wssn1n1m3.2盲源分离的基本方法盲源分离包含了线性瞬时混合和卷积混合两种盲源分离问题。解决盲源分离 练与设计说明书A斯、ICA差(1)最普遍的方法就是使用代价函数来衡量信号独立性和非高斯性或者稀疏分离问题的基段(间接或直接的)，这种方法对多于一个高斯分布的源信号不适(2)如果源信号具有时序结构，则其有非零的时序相关数，从而可以降低对 练与设计说明书一频率A换，使得观测信号在线性变换下各分量的统计独立性最大化。这一过程称之为BSSw，使得全局矩阵G的各行及各列中只有一个非零元素(不妨称之为广义对角矩通常用输出信号的互信息、熵等作为统计独立性的量度，如基于信息论的合信号的分离，还包括实际应用中更重要的卷积混合信号的分离。3.3盲分离的目标准则 练与设计说明书能的独立。这种方法对多于一个高斯分布的源信号不适用(因为高斯信号的线性始变量更多信息的前提下，导出一组零均值随机变量相对少的不相关线性组合 (主分量)，并由此恢复出对源信号的估计。(3)二阶非平稳性：即采用非平稳性和二阶统计量。由于源信号随时间有不能分离具有相同非平稳特性的源信号。3.4盲分离的研究领域 练与设计说明书时域盲分离算法解决盲解卷/盲均衡问题，但频域上的尺度与交互不确定性问题信号本身的属性有平稳信号与非平稳信号之分、窄带信号与宽带信号的差系，可分为适定盲分离、超定盲分离、适应的在线处理方式是基于单次观测样本进行盲分离系统的更新迭代，计算量低，适用于实时性要求较高的场合，如在线故障诊断等。 练与设计说明书3.5盲分离的研究内容斯性、高阶统计量、熵、互信息、概率密度函数(pdf)以及两种pdf距离的Kullback-Leiblr度等函数进行度量。支持向量机(SVM)回归估计方法等，本文正是在这个理论的基础上对原有算法提出了新的改进，并取得而来良好的效果。 练与设计说明书4.1数据的预处理1M1Nijij寻找一个线性变换，使X(t)投影到新的子空间后变成白化向量，即：0 0WUT)0X000 练与设计说明书4.2FastICA算法ii种分布，随机变量X较S更接近高斯分布。在分离过程中，可通过对分离结果i则表明已完成对各独立分量的分离。YYggg于根据式(6)计算微分熵需要知道Y的概率密度分布函数，于是采用如下近似 练与设计说明书Y12311000示式(8)左边的函数，可得F的雅可比矩阵JF(W)如下： 为了简化矩阵的求逆，可以近似为(9)式的第一项。由于数据被球化， (4-10)234.3ICA分离的步骤=xE{x}R=E{H}~X~x~(^是对角阵)(可以证明Z是“白”的，及E{ZZH}=I)iiii1(5)W数据正交化1(6)如果不收敛(w在迭代后改变量较大)返回步骤4 练与设计说明书 练与设计说明书 练与设计说明书 练与设计说明书5小结通过学习和设计，使我更加清楚的明白的语音信号盲分离的具体过程及方法，使我对整个过程有了更加深刻的了解，同时也进一步了解了MATLAB的基在课程设计的过程中我遇到了很多问题，使我明白了自己的知识到底有在以后的学习中要注重知识和技能的提高，更应该注重方法和思路的培 练与设计说明书宇，吴仁彪.盲源分离及盲信号提取的研究进展[J].中国民[2]赵艳.盲源分离与盲信号提取问题研究[D].西安:西安理工大学;2004.[6]李著成.基于独立分量分析盲源分离算法的研究[D].太原：太原理工大学 练与设计说明书%读入混合前的原始声音并显示 练与设计说明书%将其组成矩阵数的矩阵%将混合矩阵重新排列并输出 练与设计说明书征值分解 练与设计说明书%初始化列向量w的寄存矩阵,B=[b1b2..