多人声混叠语音信号的盲源分离算法研究.pdfVIP

communications 号，从数学原理上讲是不可能 的。但是出人意料 的是 ．在一 法 。 个非 常宽松 的假 设条件下．即假 定源信 号矢量 的各个分量 为了得到极大化 峭度 的绝对值 ．我们可 以从某个初始 是彼此 独立 的，同时允许 一定的模 糊性存 在 (信号 幅度的不 向量W开始 ．依据可 用的样 本值z(z为PCA白化 预 处理 过 的 确 定性和信号分量 顺序 的不确定性)．这一 问题通过 盲源分 数据)．计 算 出使y=wrz的峭度绝对值 增大最快 的方 向．然 后 离算法是可解的 。 将向量W转到该方 向。由公式 1．5知 的峭度绝对值的导数 1．极大化非高斯性原理 为 ： 根据 中心极 限定理的重 要推论 ，在一定条件下．彼 此相 aw =4sign(kurt(wr 舟 3 】(1．7) 互统计 独立 的随机 向量 和的分布趋 向于正态 (高斯 )分布．换 在上式 中．对于 PCA白化过的数据 ，有 {(wz))= 。 句 话说 两个 相互 统计 独 立 的随机 向量 的和 比其 中任 何 一 由于我们 是在单位球 =l上进行优化 ，在每一 步运算 后应 个 参 与求和的随机 向量更加接近 高斯分布．我们可 以如下式 将W投影到单位 球上 即将w除以其范数即可。令式 1《．7)中峭 来进行逆 运算 ： S=A-IX (1．2) 度的梯度与w相等，可以得到：W叫E{z(wz))-3~HI】(1．8) 这样．为了估计一个独立成分，我们考虑 ( l，．．．，Ⅳ) 在每 次不动点迭 代后 ．W都要 除以其范数 以满足相应 的 的线 性变换 ： Y W WiXi (1-3) 约束I141 1．我们可以首先计算式 (1．8)右边的项，并将其 f 其 中W是我们要估计 的分离矩阵．同时可知Y=W As． 赋给w作为新值：W÷-E{z(w z)}一3w (1．9) 说咀y是 的某个线性变换令 口 ：W A ．则上式可以表示为： 最 后收敛 的向1w以 =w 的线 性组合 形式可 以给我们 其 中一个独 立成 分。在 白化空 间中．不 同的独 立 成分对应 的 =w =WTAs：g=∑gf (1 ． 4) 向量W是彼 此 正 交 的．根 据 这一特 性 我们 可 以对 已估 计 出 i 由上式我们 可 以看 出 ，如 果W 是 混 合 矩 阵A的逆 的其 的独 立成 分进 行渐 进 正交化 ．即一个接 着一个地将 独立 成 中一 行时，则线 性变换 刚好就是 我们想要的一个独 立成 分估计 出来 ．这样可 以避 免算法 的多个独立成分 同时收敛 分。我们可 以通过改变系数 向tq是来使t1可m 一gT的分布情况 于同一个 峭度最 大值上 。 相应 产生变化 。由中心极 限定理 ．两个独 立随机 向量 的和比 其 中任何 一 个随机 向量 的高 斯 性要 强 ．由于g 一w ．我们 即 ： 一 ∑( ) (1．1o) 可 以通过寻找最优分离矩 阵W使得w 的非高斯性极大化 ． 然后再对 标准化：除以其范数 ÷_ Jl即可。 则 就 是一个 独立 成 分．即极 大化w 的非高斯 性便 可 得到 在 算法 的稳 定收敛 处 ，w 和w一，应 该具有相 同的方 向，即迭 混合 向量 中的一个最接近 于源信 号的独 立成分 。 代前后w 和w 的点积应该几乎等于 1，由此可