最小增益的语音盲分离算法中的迭代运算优化

针对目前盲分离算法还无法满足对语音信号盲分离的精度需求,本文提出一种新型语音信号盲分离算法。该算法在最小增益的语音盲分离算法的基础上,针对其缺陷,引入了广义高斯分布模型,对最小增益的语音盲分离算法的迭代运算进行了优化处理,通过计算每次迭代后恢复出来的每个源的峰度值来增加原算法的分离精度。通过仿真试验进行验证,得到的结果是:改进的算法不仅仅没有失去本真效果,经过分离语音信号,对原始语音信号的波形基本保持在一定的范围内,而且表现出较好的性能。     

基于非线性函数和简化粒子群优化的盲源分离算法

针对现有盲源分离方法存在的源信号类型和高斯信号个数受限制问题,提出一种基于非线性函数和简化粒子群优化的盲源分离新算法.算法采用依据源信号类型选取的非线性函数作为目标函数,运用简化粒子群优化算法对目标函数进行优化,实现多类型源信号同时混合的盲源分离.仿真结果表明,本算法能够有效实现源信号为多类型和含有2路高斯信号的盲源分离.与其他算法相比,本算法收敛速度更快,分离精度更高.     

混合语音信号盲分离专利技术综述

文章统计分析了混合语音信号盲分离领域的专利申请,并对专利技术进行分解,统计了国内外历年申请量、技术产出国家/地区分布、申请人分布,并根据被引频次数列举核心专利申请。分析表明语音盲分离技术在国内还处于方兴未艾的研究阶段。基于瞬时线性混合模型的解决方案,衍生出了各类应用场合和侧重点不同的算法。     

ICA在语音信号处理中的应用

独立分量分析是近年发展起来的一种高效的信号分离方法,主要对观测的混合信号进行分离或提取各个源信号。简要介绍了ICA的概念、基本原理以及FastICA算法,通过实际语音信号的仿真,证明了用FastICA算法分离语音信号可以取得较好的结果。     

卷积混合语音信号的盲分离研究

语音盲分离问题是近年来的研究热点,针对语音信号卷积混合模型的特点,利用短时傅里叶变换将时域计算复杂的卷积变换为频域简单的瞬时分离,考虑语音信号的非平稳和自相关特性,采用非迭代的基于二阶统计量的盲分离算法,并在转换回时域前解决排序和幅度模糊问题,该方法没有遮代过程,处理速度快,最后仿真实验证明了算法的有效性。     

盲源分析理论的思维方式

盲源分离问题的提出只是20世纪80年代的事，其真正的研究热潮则只是近10年的事，目前仍然是信号处理中一门朝气蓬勃的热门学科。它所要解决的问题说起来很简单，就是要从混合的观测数据向量中恢复出不可观测的各个源信号。这里的“盲”有两层含义：一是所要恢复的源信号不能直接被观测，二是所接收的观测数据向量到底是由源信号如何进行混合而成的也是未知的。而从观测数据向量中分离恢复出各个源信号也是通信、语音、地震和生物医学等很多领域中进行信号处理的自然需求。由于源信号未知、源信号的混合     

基于径向基函数的非线性混合信号的盲分离

通过径向基函数(RBF)神经网络近似非线性混合映射的方法,研究了一种从非线性混合信号中盲源分离的算法。该方法采用RBF神经网络分离系统输出分量的互信息作为目标函数,目标函数的最小化导致输出量之间的独立性,以便使源信号尽可能的分离出来。采用无监督的模糊C均值聚类方法训练RBF神经网络的权值,可以大大节省计算量。仿真结果讨论了RBF神经网络隐含层不同的神经元个数对盲源分离效果的影响,并且证明了本算法是有效性的和可行的,并且有较强的鲁棒性。     

盲源分离理论的思维方式

盲源分离问题的提出只是20世纪80年代的事,其真正的研究热潮则只是近10年的事,目前仍然是信号处理中一门朝气蓬勃的热门学科。它所要解决的问题说起来很简单,就是要从混合的观测数据向量中恢复出不可观测的各个源信号。这里的“盲”有两层含义:一是所要恢复的源信号不能直接被观测,二是所接收的观测数据向量到底是由源信号如何进行混合而成的也是未知的。而从观测数据向量中分离恢复出各个源信号也是通信、语音、地震和生物医学等很多领域中进行信号处理的自然需求。由于源信号未知、源信号的混合方式也未知,所以这是用普通的信号处理方法难…     

一种基于FastICA的盲源分离方法

在进行信号预处理时,经常需要将多个混叠的源信号分离。遇到原信号与传输信道都未知的情况时,经常需要根据观测信号的统计分布情况,去分离原始信号。本文介绍了一种基于FastICA迭代算法的盲源分离技术,用于将瞬时叠加的多个非高斯信号进行分离。文章分析了该算法的数学原理,设计了算法程序的实现流程,并在python开发环境下对算法进行了仿真,仿真程序很好的仅从接收信号中分离出了所需的源信号。可用于一些混叠信号的盲源分离。     

基于时域卷积盲信号分离的雷达干扰抑制算法

把卷积盲分离算法应用于雷达系统抗干扰中,提出一种新的雷达系统干扰抑制算法.该算法在时域中对四阶累积量进行联合块对角化,以实现雷达信号和干扰信号的盲分离.计算机仿真结果表明,在无噪及含噪情况下,该算法均可把卷积混合的雷达回波信号及干扰信号分离开来,且有很好的分离性能.     

基于FFDiag的煤系地层弹性波盲源分离算法研究

介绍了快速范数对角化(FFDiag)算法基本原理、分离条件和一般步骤。针对FFDiag的算法不足,提出了改进的FFDiag算法,并运用该算法成功的分离出模拟煤系地层接收的混合弹性波信号,从而证明改进的FFDiag算法在煤系地层弹性波信号盲源分离中可行性。     

基于变分模态分解的单通道信号盲源分离方法

针对单通道情况下传统盲源分离方法难以恢复源信号的问题,提出一种基于变分模态分解(VMD)的单通道信号盲源分离方法。首先对单通道信号进行变分模态分解(VMD)获得一系列本征模态函数(IMF)分量,将单通道信号和其IMF分量构成多维信号,然后采用主成分分析法估计源数,依据估计的源信号数目重组多通道观测信号,最后利用改进的变步长等变自适应分离(VSEASI)算法实现信号的盲分离。将所提出方法应用于齿轮和轴承的单通道信号仿真研究,仿真结果表明,该方法能够有效地分离出齿轮和轴承信号,解决了单通道信号盲源分离问题。     

基于峭度的独立成分分析方法的研究

独立成分分析算法是在混合信号和源信号未知的情况下,通过一些线性分析,使其恢复源信号的一种方法。笔者主要是研究一种鲁棒性比较好的新的独立成分分析方法 Robust ICA,并用此方法对人工合成的混合信号进行分离,仿真结果证明此算法可以成功的分离混合信号,并且较原有的算法有更大的准确性。     

引入合同变换矩阵的网络攻击信号盲分离算法

对网络攻击信号进行盲分离,实现对攻击信号的准确有效检测。传统的网络攻击信号检测算法使用时频分析方法,提取非平稳群攻击信号的时频特征,实现信号检测,但算法把网络入侵检测正确率作为约束目标函数进行同步最优特征子集求解,复杂度较高,提出一种引入合同变换矩阵的网络攻击信号盲分离算法。采用时频分析Viterbi算法,得到信号谱的平均频率等于瞬时频率的时间平均,根据合同变换矩阵,对攻击信号进行离散数据解析化处理,构建网络攻击信号的解析模型,得到网络统计信号在多复变边界条件下的时频特征,实现盲分离算法改进。仿真实验表明,该算法能有效实现对网络攻击信号的盲分离,盲分离结果能准确反映网络攻击信号的内部特征,提高了对网络攻击信号的检测能力,对攻击信号的检测性能有所提高,保证了网络安全。     

基于独立分量分析的瞬时混合语音信号盲分离算法研究

近些年,信号处理在理论与方法方面发展速度很快。独立分量分析技术(Independent Component Analysis,简称ICA)是信号处理领域近十几年才发展起来的一种新的理论和方法,并且逐步的成熟化与系统化,变成了信号处理领域内重要的组成部分。本文主要讨论线性瞬时混合情况下语音信号盲分离算法,阐述了算法原理,进行了实验仿真,以此来证明算法的有效性。     

单通道盲源分离在转动机械声学故障诊断中的应用研究

盲源分离技术能够帮助完成机械设备的故障诊断,其中,单通道盲源分离技术正是该领域研究的热点。学者们在该领域以机械振动信号作为研究对象应用最为广泛,在此基础上,本文针对单通道的转动机械声音信号盲源分离进行讨论,为机械声学故障诊断的发展奠定基础。     

ICA在信号分离和消噪中的应用

在语音处理及应用的众多领域中，语音信号经常会被噪声或其他语音干扰。讨论了一种快速独立分量分析算法，并将其应用到混合语音信号的分离及语音中噪声的消除。实验结果表明算法取得了良好的效果。     

基于盲源分离的智能图像和语音信号去噪方法

采用传统图像降噪方法对智能图像和语音信号进行降噪处理后,智能图像清晰度较低,语音信号信噪比过大,降噪效果差。针对上述问题,本文提出了一种基于盲源分离的智能图像和语音信号去噪方法。首先通过信号采集装置采集智能图像和语音信号,然后进行均匀化和白化的预处理,最后利用对称分量提取独立分量实现降噪。结果表明,采用该方法降噪后,智能图像的清晰度更高、语音信号的信噪比更大(达到26d B),证明该方法较传统方法具有更好的降噪效果。     

EMD算法和Hilbert算法混合的语音信号降噪和提取

针对语音信号降噪和提取算法存在降噪效果不佳等问题,已经无法满足现在社会的需求。本文提出一种基于改进EMD算法和Hilbert算法混合的语音信号降噪和提取方法,首先针对EMD算法在语音信号降噪可能破坏噪声特性的问题,利用全局阈值选择去噪的方法对其进行改进,然后引入Hil-bert算法将其与EMD算法融合,对语音信号进行降噪和提取。利用仿真实验可以发现:将EMD算法和Hilbert算法进行混合优化,和传统的小波变换语音信号降噪算法,不容易出现差错并且具有更好的降噪性能。     

基于复数平均相关调序的频域乐音盲分离

为解决频城内卷积混合乐音盲分离存在的顺序不确定问题,提出了基于频带间复数平均相关的调序算法,对每个频带的分离子信号进行顺序调整。仿真实验结果验证了该算法的有效性,与已有的基于幅值相关和能量相关的调序方法相比,其分离性能更优。