基于空间几何信息约束的欠定卷积盲源分离

摘要

盲源分离是指在信号的传输信道、混合方式以及源信号未知的情况下，仅从观测到的混合信号中来分离出各个源信号的过程。盲源分离在生物医学信号处理、图像处理、雷达与通信系统、语音信号处理，数据挖掘等方面具有重要的应用价值。在实际应用中，一般由于条件的限制，观测到的混合信号个数往往小于源信号的个数，也就是欠定条件下的盲源分离问题。针对欠定盲源分离问题，由于其混合系统的不可逆性，使得基于独立分量分析的传统算法不能直接用于欠定盲源分离问题。目前欠定盲源分离大多采用稀疏分量分析方法，该方法利用语音信号在时频域的稀疏特性。但在实际应用中语音信号的混合方式通常为卷积混合模式，其混合信号不一定具备稀疏特性，故而稀疏分量分析算法在卷积条件下并不适用。根据人对语音信号多模式的辨识机制——借助人脑学习特性和利用视觉信息加以辅助，进而提高对声音信号的感知能力。本论文提出了一种基于空间几何信息约束的欠定卷积盲分离算法。本论文的主要工作如下：
　　针对欠定卷积混合条件下的语音信号盲源分离问题，提出了基于空间几何信息约束下的欠定卷积盲源分离算法。该算法利用自回归系数表示语音信号相邻时间帧的线性相关特性，以此构建状态转移矩阵，从而采用卡尔曼滤波实现源信号的分离。该算法是在每个频率下对源信号进行估计，因而在恢复时域源信号时，会因各频率下源信号的排列顺序不一致而出现排列置换问题。针对这一问题，本文算法通过视觉获取声源的空间位置信息，以此得到混合矩阵的初值，使得各个频率下混合矩阵列矢量的排列顺序一致，从而避免了排列置换问题。通过实验仿真，验证了本文算法的优越性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题背景及意义

1.2 盲源分离研究现状

1.3 论文的主要工作及内容安排

第2章 线性混合信号盲源分离概述

2.1 线性混合模型

2.2 经典盲源分离算法

2.3 基于信号稀疏的欠定盲分离算法

2.4 非稀疏约束卷积盲分离算法

2.5 小结

第3章 基于最大后验概率的语音信号欠定盲源分离算法

3.1 算法模型

3.2 参数初始化

3.3 源信号的估计

3.4 排列置换问题

3.5 算法性能仿真

3.6 小结

第4章 基于空间几何信息约束的欠定卷积盲源分离算法

4.1 视觉定位

4.2 线性预测

4.3 基于空间状态模型的源信号估计

4.4 算法性能仿真

4.5 小结

第5章 总结与展望

致谢

参考文献

攻读学位期间的成果