基于稀疏性的欠定卷积盲源分离方法的研究-信号与信息处理专业论文.docxVIP

摘 要 摘 要 Abs Abstract I I PAGE PAGE IV 摘 要 实际生活中，盲源分离技术在语音信号分离、电话会议、声纳、雷达处理、 图像增强、生物医学信号处理、无线通信以及遥感等许多实际人机交互领域有 着广泛的应用，对其研究一直是信号处理领域的前沿性研究课题。 通常的盲源分离算法要求源信号数目小于或等于观测信号数目，而且不考 虑信号在传播过程中产生的时间延时。然而，在实际应用中，不可避免地会出 现观测信号数目会小于源信号数目的情况,且考虑源信号到各个传感器会产生 延时效应的欠定卷积盲源分离问题更加具有研究意义。因此，本论文针对欠定 卷积盲源分离算法做了以下研究： 1) 根据源信号具有时频域稀疏性的特点，提出了基于时频稀性的欠定衰减 延时盲源分离方法。该方法首先对源信号到各传感器所产生的相对延时进行聚 类分析，然后估计出时频域内的混合矩阵和时频掩蔽函数，最后将混合矩阵应 用于时频域的最短路径法中，将时频掩蔽函数应用于二元掩蔽法中，分别形成 基于时频稀疏分析的最短路径法和时频掩蔽法。通过仿真分析，时频掩蔽法在 分离信号源方面性能更突出，表现为信号与失真比率(SDR)、信号与干扰比率 (SIR)、信号与人造成分比率(SAR)更高。与传统方法只考虑幅度衰减相比，此 方法还考虑到了信号的传播时间延时，更加接近实际情况。 2) 在前面方法的基础上，为了使盲源分离算法能适应于实际情况中的信号 分离。将幅度衰减、信号的传播时间延时、多径效应等多个因素加以综合考虑， 提出了基于非负矩阵分解的欠定卷积盲源分离方法。该方法用非负矩阵分解因 子 所 组 成 的 高 斯 分 量 来 表 示 源 信 号 的 短 时 傅 里 叶 变 换 ， 以 板 仓 - 斋 藤 (Itakura-Saito(IS)) 散 度 和 的 最 小 值 为 目 标 函 数 ， 采 用 乘 积 更 新 (multiplicative Update)算法来估计出时频域内的混合矩阵和非负矩阵分解因子，形成了基于非 负矩阵分解的混合矩阵法和非负矩阵分解因子法。仿真结果表明了混合矩阵法 在分离信号源方面更具有效性。 3) 利用空间协方差矩阵表示的盲源分离模型与瞬时理想模型的一致性，提 出了基于空间协方差矩阵的欠定卷积盲源分离方法。该方法用零均值高斯随机 变量的协方差矩阵来表示各个源信号经过传输信道后的短时傅里叶变换，在此 基础上，采用层次聚类估计出高斯随机变量协方差矩阵的初值，并使用极大期 望值算法(EM)求解对数似然函数，最后采用维纳滤波法语音增强技术求解时频 域内的源信号。通过仿真实验，表明分离出的语音信号能保留双声道立体声的 效果。 关键词：欠定卷积盲源分离; 稀疏表示; 聚类; 极大期望值算法; Abstract The technology of blind source separation is widely used in real life, such as,human-computer interaction, speech signals separation, teleconferences, sonar, radar processing, image enhancement, biomedical signal processing, wireless communications, remote sensing and so on. The blind source separation has been the forefront of the field of signal processing. Usually blind source separation algorithm requires that the number of source signals is no more than the number of observed signals ， without consideration the delay of the signal propagation.In practical applications, however, it is inevitable that the number of observed signals is less than the number of source signals, and considering the delay effects, the problem of underdetermined convolutive blind source separation makes more significance.Three types of blind se