matlab语音信号盲分离34.docVIP

目录 摘要 1 abstract 2 1 ICA 的基本原理及特点 3 1.1 盲分离数学模型 3 1.2 ICA 算法描述 4 1.3 FICA算法 4 2 FICA设计思想 5 3 实验仿真结果记录 6 3.1 仿真时域波形及频谱 6 3.1.1 原始信号 6 3.1.2 混合信号 9 3.1.3 分离信号 12 3.2 仿真所用的源程序 15 4 实验结果分析 24 5 小结与体会 25 6 参考文献 26 摘要 语音信号的盲源就是在源信号和源信号如何混合都未知的情况下,从观测到的混合信号中恢复出未知源信号。语音信号盲分离技术被成功地用在了通信、医学、图像和语音信号处理等领域。我们所要研究的混合语音信号盲分离问题就是用麦克风阵列或多个麦克风阵列来模仿人的耳朵,采集得到相互干扰的混叠语音信号,然后通过分离算法将混叠的语音信号相互分离开来,提取我们所感兴趣的信号。举个例子就是在多人同时说话的嘈杂环境下,我们能够辨识感兴趣人的说话声的能力。然后把它分辨出来。 abstract The speech signal blind source is in the source signal and the source signal how to mix all unknown, from observations of mixed signal in recovering the unknown source signal. Blind separation technology of speech signal was successfully used in the communication, medical, image and voice signal processing, etc. We have to study mix of speech signal is blind source separation with a microphone array or more microphone array to imitate human ears, acquisition get each other interference aliasing speech signal, and then through the separation algorithm will aliasing voice signal mutual separated, extraction we are interested in signal. For example is more than in noisy environment of speak at the same time, we can identify interested in the ability of the human voice. And then take it apart. 1 ICA 的基本原理及特点 1.1 盲分离数学模型 盲信号分离是指在没有任何先验知识的条件下，仅根据源信号之间的统计独立特性和由传感器输出的观测信号，把源信号分离出来。独立分量分析正是盲信号分离的有效方法之一。 我们将该问题表述成图一所示的线性模型 图一 盲信号分离的数学模 该线性模型可以用下式表示： x = A?s..............................(公式一) u = W?x..............................(公式二) 源信号s=(s1,s2......sn)和混合矩阵A都是未知的，W为待求分离矩阵，经过分离矩阵W 的作用，最终得到分离后的输出矢量u=(u1,u2......un);观测信号x=(x1,x2.......xn)已知。盲信号分离的最终目的是为了寻找分离矩阵W，使输出信号u尽可能地逼近源信号s。 以两个信号源为例用恒等式表示： x1(t)= h11s(t) + h12j(t).......................(公式三) x2(t)= h21s(t) + h22j(t)......................（公式四） y(t)= w1x1(t) + w2x2(t).......................（公式五） 其中x1(t) ，x2 (t) 表示两个未知混合信号，s(t) ，j(t)表示收集到的两个信号源，h11 ， h12 ，h21 ，h22表示混合矩阵