基于Kalman滤波去噪的语音盲分离的研究

《基于Kalman滤波去噪的语音盲分离的研究》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、武汉科技大学硕士学位论文第1页摘要盲源分离(Blindsourceseparation，BSS)属于信号处理中需要解决的一个问题，是20世纪90年代兴起的一个研究热点，它指的是在对源信号和传输通道几乎没有可以利用的信息的情况下，仅从观测到的混合信号中提取或恢复源信号的过程。由于先验信息没有或者很少，使得它在很多用传统的信号处理方法无法解决的领域中应用广泛，比如：生物医学，雷达与通信，数据挖掘，语音与图像分析，气象分析，地震勘探等。由于实际应用中源信号中还会或多或少地存在各种各样的噪声，因此解决噪声环境下信号的盲源分离，将人大扩展盲源分离的应用范围。本文正是基于这一思想，研究了噪

2、声环境下语音信号的自源分离。本文的主要方法是在进行盲源分离之前进行一次滤波，以达到增强语音信号，削弱噪声的目的，滤波采用的是Kalman滤波方法；再分别使用Jade算法(联合近似对角化算法)，Fastica算法(快速独立分量分析算法)分离混合信号，这两种算法属于目前比较成熟的算法，已经J“为使用并得到了认可。然后使用Matlab设计了一个GUI(GraphicalUserInterfaces，图形用户界面)以直观地演示整个过程。并对分离后的语音信号进行了鲁棒特征提取(主要为Mfcc特征)，根据结果比较了两种算法的分离性能。通过对整个系统的设计与仿真，较为精确地研究了噪声存在环境

3、下的语音信号的盲源分离，对盲源分离以后的应用与研究有重要的意义。关键字：盲源分离，语音信号，滤波，GUI，鲁棒特征第1I页武汉科技大学硕士学位论文AbstractBSS(Blindsourceseparation，BSS)isanunsolvedproblemofsignalprocessingwhichonlyrisein1990’S．Itmeanstheprocessofextracthagorrecoveringsourcesfromtheobservedmixed·signalswithoutanypriorknowledgeofsourcesorthechannel．

4、Duetothat，itiswidelyappliedinthefieldswhichcouldn'thaveagoodsolutionifthetraditionalsignalprocessingmethodsareused，suchasbiomedicine，radarandcommunication，datamining，speechsignalanalysisandimageanalysis，meteorologicalanalysis，seismicexploration，etc．Becausesourcesignalsmayconsistofvariousnois

5、esmoreorlessinthepracticalapplication,itwillextendtherangeoftheapplicationifBSScanworkwellunderthenoisyenvironment．Basedonthissituation，thethesisdidsomeresearchonspeechsignal’Sblindseparationunderthenoisyenvironment．Thethesis’Smainmethodwasthat：thesignalswerefilteredbeforeBSS，forthepurposeof

6、enhancingthespeechsignalsandweakeningthenoises，thefilterwasaKaimanfilter．ThenJadealgorithm，Fasticaalgorithmwereusedtoseparatethemixed·signals．Thetwoalgorithmsarerelativelymaturealgorithmswhichareusedwidelyandacknowledged．Afterthat,aGUl(graphicaluserinterfaces)withMatlabWasdesignedtoperformth

7、eprocessdirectly．Atlast，robustfeatureswereextractedfromtheunmixed—signals，thenthethesiscomparedthetwoalgorithms’Sseparationperformanceaccordingtotheresults．Thethesisdidsomeaccurateresearchonspeechsignal’Sblindseparationundernoisyenvironmentbymeanso