欢迎来到天天文库
浏览记录
ID:35617430
大小:626.50 KB
页数:53页
时间:2019-04-02
《《基础群课设》课程设计- 语音信号的盲分离》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、49武汉理工大学《基础群课设》课程设计报告书.《基础群课设》课程设计任务书学生姓名:专业班级:通信0906班指导教师:工作单位:信息工程学院题目:语音信号的盲分离主要目的就是对学生进行基础课程、基本技能、基本动手能力的强化训练,提高学生的基础理论知识、基本动手能力,提高人才培养的基本素质。一、训练内容和要求设计任务:根据盲信号分离原理,用matlab采集两路以上的语音信号,选择合适的混合矩阵生成若干混合信号。选取合适的盲信号分离算法(如独立成分分析ICA等)进行训练学习,求出分离矩阵和分离后的语音信号
2、。设计要求:(1)用matlab做出采样之后语音信号的时域和频域波形图(2)选择合适的混合矩阵,得到混合信号,并做出其时域波形和频谱图(3)采用混合声音信号进行训练学习,求出分离矩阵,编写出相应的确matlab代码。(4)用求出的分离矩阵从混合信号中分离出原语音信号,并画出各分离信号的时域波形和频谱图。(5)对结果进行对比分析。二、初始条件计算机;MicrosoftOfficeWord软件;MATLAB软件三、时间安排1、2012年6月18日,作基础强化训练具体实施计划与报告格式要求的说明;学生查阅相
3、关资料,学习原理。2、2012年6月19日,算法设计。3、2012年6月20日至2012年6月22日,运用MATLAB软件仿真4、2012年6月23日,上交基础强化训练成果及报告,进行答辩。指导教师签名:年月日系主任(或责任教师)签名:年月日4949武汉理工大学《基础群课设》课程设计报告书目录摘要IIAbstractIII1Matlab软件的简介12语音信号的产生与获取33语音信号的处理53.1语音信号的时域分析53.1.1语音信号的采集53.1.2语音信号的时域波形图63.2原始信号的频域分析74盲
4、信号处理104.1盲信号处理的概述104.1.1盲信号处理的基本概念104.1.2盲信号处理的方法和分类104.1.3盲信号处理技术的研究应用114.2盲源分离法124.2.1盲源分离技术124.2.2盲分离算法实现124.2.3盲源分离技术的研究发展和应用134.3独立成分分析144.3.1独立成分分析的定义144.3.2ICA的基本原理154.3.3本文对ICA的研究目的及实现174.3.4分离结果分析205小结体会23附录程序254949武汉理工大学《基础群课设》课程设计报告书摘要语音信号盲分离
5、处理的含义是指利用BSS技术对麦克风检测到的一段语音信号进行处理。混合语音信号的分离是盲分离的重要内容,目前的混叠语音分离大多是建立在无噪环境中的混叠情形下,主要以盲源分离(BlindSourceSeparation,BSS),根据信号的统计特性从几个观测信号中恢复出未知的独立源成分。本文重点研究了以语音信号为背景的盲处理方法,在语音和听觉信号处理领域中,如何从混有噪声的的混叠语音信号中分离出各个语音源信号,来模仿人类的语音分离能力,成为一个重要的研究问题。具体实现主要结合ICA技术,将语音去噪作为一
6、个预处理过程,对带噪声的混叠语音盲分离进行了研究,本文详细了介绍三种FastICA算法:SOBI算法以及CICA算法,将三种算法应用于实际的语音信号噪声分离中,并比较了传统算法和基于ICA/BSS算法在语音消噪和增强方面的差异,文章最后还介绍了分离效果评价准则,并比较了SNR和SIR参数。关键词语音信号,语音信号噪声,盲源分离,独立成分分析4949武汉理工大学《基础群课设》课程设计报告书AbstractBlindseparationofspeechsignalprocessingmeansistheu
7、seofBSStechniquesmicrophonedetectsavoicesignalprocessing.Separationofmixedspeechsignalsisimportantforblindseparation,thecurrentseparationofoverlappingspeechisbuiltmostlyintheabsenceofaliasingnoiseintheenvironment,underthecircumstances,mainlyinblindsourc
8、eseparation(BlindSourceSeparation,BSS),thestatisticalcharacteristicsofsignalSeveralobservationsfromtheunknownsignaltorecovertheindependentsourcecomponents; Thisarticlefocusesonthebackgroundtotheblindspeechsignalprocessingmethod,s
此文档下载收益归作者所有