欠定混疊語音信號盲分離方法的研究.pdf

1、語音分離作為語音信號處理的重要研究方向，在語音識別、語音增強等方面都有著非常積極的意義。本論文在分析和總結以往研究工作的基礎上，針對欠定語音分離的難點問題（傳統(tǒng)算法對信號稀疏性要求高、含噪分離難和分離精度低）進行研究，有效的將欠定情況下的語音盲分離應用于含噪，信號稀疏程度不夠的場景下。主要成果如下：
　　1．針對傳統(tǒng)稀疏算法分離欠定情況精度低的問題，提出了基于直線隸屬度函數算法。語音分離過程中關鍵的一步為混合矩陣的求解。本算法在求

2、解混疊矩陣時利用混合信號的線性聚類特性，通過混合信號向量構造直線隸屬度函數。該函數基于向量角度衡量數據隸屬于到該函數所代表直線的程度。通過對該函數極值的求解來獲取數據所聚類的直線，從而求解出混疊矩陣。最后通過語音信號分離實驗驗證，較之勢函數法，該算法在欠定情況下分離出的信號的信噪比平均提高5db。
　　2．針對傳統(tǒng)算法在含噪語音分離精度低的問題，提出了噪聲影響因子方法。依據噪聲對信號數據影響的情況，提出噪聲影響因子概念，對數據加以

3、區(qū)分。在求解混疊矩陣時，加強噪聲影響因子低的數據的權重，降低噪聲影響因子高的數據的權重。最后通過實驗驗證，在含噪情況下，結合噪聲影響因子后的直線隸屬度函數法分離出的信號的信噪比平均提高4db。
　　3．針對傳統(tǒng)稀疏算法對信號的稀疏程度要求高的缺點，提出基于超平面隸屬度函數的欠定盲分離算法。2005年提出的K-SCA假設較之SCA(sparse component analysis)假設，其稀疏性要求明顯降低。K-SCA假設將混疊矩