1、語音信號的盲分離 武漢理工大學(xué)信息處理課綜合訓(xùn)練與設(shè)計(jì)群課程設(shè)計(jì) 課程設(shè)計(jì)任務(wù)書 學(xué)生姓名： 專業(yè)班級： 通信1103 指導(dǎo)教師： 許建霞 工作單位： 信息學(xué)院 題 目: 語音信號的盲分離 初始條件：matlab軟件、pc機(jī) 要求完成的主要任務(wù): （包括課程設(shè)計(jì)工作量及其技術(shù)要求，以及說明書撰寫等具體要求） 設(shè)計(jì)任務(wù) 根據(jù)盲信號分離原理，用matlab采集兩路以上的語音信號，選擇合適的混合矩陣生成若干混合信號。選取合適的盲信號分離算法（如獨(dú)立成分分析ica等）進(jìn)行訓(xùn)練學(xué)習(xí)，求出分離矩陣和分離后的語音信號。 設(shè)計(jì)要求 (1) 用matlab做出采樣之后語音信號的時(shí)域和頻域波形圖 (2) 選擇合適

2、的混合矩陣，得到混合信號，并做出其時(shí)域波形和頻譜圖 (3) 采用混合聲音信號進(jìn)行訓(xùn)練學(xué)習(xí)，求出分離矩陣，編寫出相應(yīng)的確matlab代碼。 (4) 用求出的分離矩陣從混合信號中分離出原語音信號，并畫出各分離信號的時(shí)域波形和頻譜圖。 (5) 對結(jié)果進(jìn)行對比分析。 時(shí)間安排： 設(shè) 計(jì) 內(nèi) 容 序號 1 2 3 根據(jù)課題的技術(shù)指標(biāo)，確定整體方案，并進(jìn)行參數(shù)設(shè)計(jì)計(jì)算 根據(jù)實(shí)驗(yàn)條件進(jìn)行全部或部分程序的編寫與調(diào)試，并完成基本功能 總結(jié)編寫課程設(shè)計(jì)報(bào)告 合 計(jì) 時(shí) 間 2天 7天 1天 2周 所 用 指導(dǎo)教師簽名： xxxx年 6 月 10 日 系主任（或責(zé)任教師）簽名： xxxx年 6 月 10 日 武漢理

3、工大學(xué)信息處理課綜合訓(xùn)練與設(shè)計(jì)群課程設(shè)計(jì) 摘 要 盲信號處理（blind signal processing,bsp）是指從觀測到的混合信號中，在沒有任何先驗(yàn)條件的情況下，恢復(fù)出未知的源信號過程。盲信號分離已成為信號處理學(xué)界和通信工程學(xué)界共同感興趣的一個(gè)極富挑戰(zhàn)性的研究熱點(diǎn)問題，并獲得了迅速的發(fā)展。 盲分離根據(jù)信號源的不同可以分為確定信號盲分離、語音信號盲分離和圖像盲分離等，本設(shè)計(jì)主要討論語音信號的盲分離。 語音信號的盲分離主要是利用盲源分離（blind signal separation,bss）技術(shù)對麥克風(fēng)檢測到的一段語音信號進(jìn)行處理，本文重點(diǎn)研究了以語音信號為背景的盲處理方法，在語音和聽

4、覺信號處理領(lǐng)域中，如何從混有噪聲的的混疊語音信號中分離出各個(gè)語音源信號，來模仿人類的語音分離能力，成為一個(gè)重要的研究問題。根據(jù)盲信號分離原理，本設(shè)計(jì)用matlab采集3路語音信號，選擇合適的混合矩陣生成若干混合信號。 具體實(shí)現(xiàn)主要結(jié)合獨(dú)立分量分析ica技術(shù)，選取混合矩陣對3個(gè)語音信號進(jìn)行混合，并從混合信號中分離出原語音信號，最后畫出各分離信號的時(shí)域波形和頻譜圖和原來的信號進(jìn)行比較。此外還運(yùn)用pca算法進(jìn)行了混合語音信號的分離實(shí)現(xiàn)，最終對兩種算法進(jìn)行比較。 關(guān)鍵字：盲信號處理；語音信號；盲源分離bss；獨(dú)立分量分析ica技術(shù) 武漢理工大學(xué)信息處理課綜合訓(xùn)練與設(shè)計(jì)群課程設(shè)計(jì) abstract bl

5、ind signal processing (blind signal processing, bsp) from the observed mixed-signal, to recover the unknown source signal process without any prior conditions. blind signal separation has become a signal processing academia and communication engineering communities of common interest a challenging r

6、esearch focus and rapid development. blind source separation based on the signal source can be divided to determine the blind signal separation, blind separation of speech signals and blind image separation, the design focuses on the blind separation of speech signal. blind separation of speech sign

7、al using blind source separation (blind the signal separation, bss) detected by the microphone a voice signal processing, the paper focuses on the blind approach to speech signal as the background in voice and acoustic signal processing in the field, how isolated from a mixture of noise aliasing voi

8、ce signal voice source signal to mimic the human voice separation ability, become an important research question. blind signal separation principle, the design collection of three-way voice signal using matlab, select the appropriate mixing matrix to generate a number of mixed-signal. concrete reali

9、zation of the combination of independent component analysis ica technology, select the mixing matrix of three speech signals mixed and separated from the mixed signal to the original speech signal, and finally draw the separation of signals in time domain waveform and frequency spectrum and the orig

10、inal signal . in addition, use of the pca algorithm for the separation of mixed speech signals to achieve the final two algorithms. keywords: blind signal processing；speech signal ； blind source separation bss independent ； component analysis ica technology 武漢理工大學(xué)信息處理課綜合訓(xùn)練與設(shè)計(jì)群課程設(shè)計(jì) 目錄 摘要 . abstract .

11、 摘 要 . i abstract . iii 1盲信號處理bsp . 2 1.1盲信號處理簡介 . 2 1.1.1盲信號處理方法 . 3 1.1.2盲分離的數(shù)學(xué)模型 . 4 1.2盲源分離的發(fā)展 . 5 1.3盲源分離的應(yīng)用 . 6 1.3.1 語音處理領(lǐng)域 . 6 1.3.2 圖像處理領(lǐng)域 . 7 1.3.3 生物醫(yī)信號處理學(xué)領(lǐng)域 . 7 2 matlab語音信號的采集 . 9 2.1語音信號的采集方法 . 9 2.2三路語音信號的采集 . 10 2.3三路原始語音信號的分析 . 10 2.3.1語音信號時(shí)域波形 . 10 2.3.2語音信號fft頻譜 . 11 3盲信號分離的兩種算法介紹

12、 . 13 3.1 獨(dú)立分量分析ica . 13 3.1.1 fast-ica算法簡介 . 14 3.1.2 基于負(fù)熵最大的快速ica . 14 3.2 主分量分析pca . 17 3.2.1 主成分分析原理 . 17 3.2.2 pca算法原理 . 18 3.3 主分量分析pca和ica . 19 4語音信號的盲分離實(shí)現(xiàn) . xxxx年迅速發(fā)展起來的一個(gè)新的研究領(lǐng)域，沒事人工神經(jīng)絡(luò)、統(tǒng)計(jì)信號處理、信息理論結(jié)合的產(chǎn)物，已經(jīng)成為一些領(lǐng)域研究與發(fā)展的重要課題，特別是在生物醫(yī)學(xué)、醫(yī)療圖像、圖像增強(qiáng)、遠(yuǎn)程傳感、雷達(dá)與通信系統(tǒng)、地震勘測等方面均具有突出的作用。 1.1盲信號處理簡介 在現(xiàn)實(shí)生活中及自然界中存在大量的信息，人們通過傳感器檢測獲取含有信息的數(shù)據(jù)或信號，并處理這些數(shù)據(jù)來獲取相應(yīng)的信息，這信息進(jìn)一步加紅來獲得知識和改造自然的能力。然而，傳感器檢測往往是多個(gè)成分（包括噪聲、無用的信號）混合在一起的信號，而且是未知的，又由于信號傳輸信道的特性復(fù)雜未知，給信號處理帶來了很大的困難。 雖然各種信號處理的方法，如濾波器、時(shí)頻分析、小波理論神經(jīng)絡(luò)信號處理等，二盲信號處理 (blind signal processing, bsp)與傳統(tǒng)的信號處理方完全不同，它是對源信號和傳輸通道幾乎沒有可利用的信息的情況下，僅