语音信号盲分离方法的研究.docx

摘要:20世纪有一种称为“盲处理”的全新的信号处理方式进入了人们的视野。这种全新的手段刚一出现，就迅速的发展起来，很快成为了计算智能学的核心研究内容之一。盲信号处理是以人工神经网络为基础，融合了统计信号学，最后与信息理论相结合的先进处理方式。盲信号处理不但具有可靠的理论基础，还有广泛的使用范围，这些良好的条件使盲信号处理成为一些领域研究与发展的重要课题，在各个领域都呈现了不俗的潜力。

文中将介绍“盲处理”的发展过程和应用领域，大致分析“盲处理”的主要工作原理。在对“盲处理”的这种方式有了大体认知之后，选择独立成分分析方法中的FastICA和Infomax来探究“盲处理”在语言信号处理方面的性能。

FastICA算法的搜索方向是负熵最大，当非高斯性度量达到最大时，则表明已完成对各独立分量的分离。Infomax算法，则是根据最大程度的保持输入信息量，使用梯度算法对神经网络进行调整，再对信号进行分离。依据两种算法的特性，编译程序，使用MATLAB来对信号进行分离。观察分离情况，发现去噪时，FastICA的效果较好，而语音信号分离时则Infomax的效果更出色。

关键词：语音信号；盲源分离；独立分量分析；固定点算法；基于信息极大法

目录

摘要

Abstract

1 绪论-1

1.1 研究背景与意义-1

1.2 盲源分离的国内外研究现状-1

1.3 本论文的主要研究内容及安排-3

2 盲信号处理-4

2.1 盲源分离的数学模型-4

2.2 盲信号处理的方法-4

2.3 盲信号处理的分类-5

2.4 盲信号处理的主要应用-5

3 FastICA算法-7

3.1 FastICA算法原理-7

3.2 FastICA算法步骤和程序框图-8

3.3 FastICA算法结果图-9

4 Infomax算法-11

4.1 Infomax算法原理-11

4.2 Infomax程序框图和算法步骤-12

4.3 Infomax算法结果图-13

结    论-15

参 考 文 献-16

附录A 程序-18

致    谢-22