【正文】 (1,:)),title(39?；旌险Z音信號(hào)139。),subplot(4,3,5),plot(MixedS(2,:)),title(39。混合語音信號(hào)239。),subplot(4,3,6),plot(MixedS(3,:)),title(39。混合語音信號(hào)339。), MixedS_bak=MixedS。 % 將混合后的數(shù)據(jù)備份，以便在恢復(fù)時(shí)直接調(diào)用fs=52050。 %語音信號(hào)采樣頻率為52050y1=fft(MixedS(1,:),1024)。 %對(duì)信號(hào)做1024點(diǎn)FFT變換y2=fft(MixedS(2,:),1024)。 y3=fft(MixedS(3,:),1024)。 f=fs*(0:512)/1024。subplot(4,3,7),plot(abs(y1)),title(39。混合語音信號(hào)1FFT頻譜39。),subplot(4,3,8),plot(abs(y2)),title(39?；旌险Z音信號(hào)2FFT頻譜39。),subplot(4,3,9),plot(abs(y3)),title(39?；旌险Z音信號(hào)3FFT頻譜39。), %（2）歸一化處理MixedS_mean=zeros(3,1)。 %3*1矩陣for i=1:3 MixedS_mean(i)=mean(MixedS(i,:))。 end % 計(jì)算MixedS的均值for i=1:3 for j=1:size(MixedS,2) %返回矩陣的列數(shù) MixedS(i,j)=MixedS(i,j)MixedS_mean(i)。 endend %（3）白化處理MixedS_cov=cov(MixedS39。)。 % cov為求協(xié)方差的函數(shù)[E,D]=eig(MixedS_cov)。 % 對(duì)矩陣的協(xié)方差函數(shù)進(jìn)行特征值分解Q=inv(sqrt(D))*(E)39。 % Q為白化矩陣MixedS_white=Q*MixedS。 % MixedS_white為白化后的矩陣IsI=cov(MixedS_white39。)。 % IsI應(yīng)為單位陣 附錄3 算法的matlab程序（1）FASTICA算法X=MixedS_white。 % 以下算法將對(duì)X進(jìn)行操作[VariableNum,SampleNum]=size(X)。numofIC=VariableNum。 % 在此應(yīng)用中，獨(dú)立元個(gè)數(shù)等于變量個(gè)數(shù)B=zeros(numofIC,VariableNum) % 初始化列向量w的寄存矩陣,B=[b1 b2 ... bd]for r=1:numofICi=1。maxIterationsNum=100。 % 設(shè)置最大迭代次數(shù)（即對(duì)于每個(gè)獨(dú)立分量而言迭代均不超過此次數(shù)） IterationsNum=0。 b=rand(numofIC,1)。 % 隨機(jī)設(shè)置b初值 b=b/norm(b)。 % 對(duì)b標(biāo)準(zhǔn)化 norm(b):向量元素平方和開根號(hào) while i=maxIterationsNum+1 if i == maxIterationsNum % 循環(huán)結(jié)束處理 fprintf(39。\n第%d分量在%d次迭代內(nèi)并不收斂。39。, r,maxIterationsNum)。 break。 end bOld=b。 a2=1。 u=1。 t=X39。*b。 g=t.*exp(a2*t.^2/2)。 dg=(1a2*t.^2).*exp(a2*t.^2/2)。 b=((1u)*t39。*g*b+u*X*g)/SampleNummean(dg)*b。 % 核心公式 b=bB*B39。*b。 % 對(duì)b正交化 b=b/norm(b)。 if abs(abs(b39。*bOld)1)1e9 % 如果收斂，則 B(:,r)=b。 % 保存所得向量b break。 end i=i+1。 end B(:,r)=b。 % 保存所得向量bend%fastICA算法語音分離ICAedS=B39。*Q*MixedS_bak % 計(jì)算ICA后的矩陣% fastICA分離語音信號(hào)subplot(4,3,7),plot(ICAedS(1,:)),title(39。fastICA分離語音信號(hào)139。)subplot(4,3,8),plot(ICAedS(2,:)),title(39。fastICA分離語音信號(hào)239。)subplot(4,3,9),plot(ICAedS(3,:)),title(39。fastICA分離語音信號(hào)339。)（2）PCA算法分離[V,D]=eig(MixedS_cov)。 % 協(xié)方差矩陣對(duì)角化Vtmp=zeros(size(V,1),1)。for j=1:2 % 選擇最大的主元向量并排序 for i=1:2 if D(i,i)D(i+1,i+1) tmp=D(i,i)。Vtmp=V(:,i)。 D(i,i)=D(i+1,i+1)。V(:,i)=V(:,i+1)。 D(i+1,i+1)=tmp。V(:,i+1)=Vtmp。 end endend %PCA算法語音分離t1=(MixedS39。*V(:,1))39。t2=(MixedS39。*V(:,2))39。 t3=(MixedS39。*V(:,3))39。 subplot(4,3,10),plot(t1),title(39。PCA分離語音信號(hào)139。)subplot(4,3,11),plot(t2),title(39。PCA分離語音信號(hào)239。)subplot(4,3,12),plot(t3),title(39。PCA分離語音信號(hào)339。) %分離后語音信號(hào)時(shí)域波形圖和頻域頻譜fs=52050。 %語音信號(hào)采樣頻率為52050 y11=fft(ICAedS(1,:),1024)。 %對(duì)信號(hào)做1024點(diǎn)FFT變換f=fs*(0:511)/1024。figure(2)subplot(3,2,1)。plot(ICAedS(1,:)) %做分離語音信號(hào)1的時(shí)域圖形title(39。fastICA分離語音信號(hào)139。)。subplot(3,2,2)。plot(abs(y11(1:512))) %做分離語音信號(hào)1的FFT頻譜圖title(39。fastICA分離語音信號(hào)1的FFT頻譜39。) y12=fft(ICAedS(2,:),1024)。 %對(duì)信號(hào)做1024點(diǎn)FFT變換subplot(3,2,3)。plot(ICAedS(2,:)) %做分離語音信號(hào)2的時(shí)域圖形title(39。fastICA分離語音信號(hào)239。)。subplot(3,2,4)。plot(abs(y12(2:512))) %做分離語音信號(hào)2的FFT頻譜圖title(39。fastICA分離語音信號(hào)2的FFT頻譜39。) y13=fft(ICAedS(2,:),1024)。 %對(duì)信號(hào)做1024點(diǎn)FFT變換subplot(3,2,5)。plot(ICAedS(3,:)) %做分離語音信號(hào)3的時(shí)域圖形title(39。fastICA分離語音信號(hào)339。)。subplot(3,2,6)。plot(abs(y13(1:512))) %做分離語音信號(hào)3的FFT頻譜圖title(39。fastICA分離語音信號(hào)3的FFT頻譜39。)sound(ICAedS(1,:),52050) 35本科生綜合訓(xùn)練成績(jī)?cè)u(píng)定表姓 名性 別專業(yè)、班級(jí)綜合訓(xùn)練題目：語音信號(hào)的盲處理綜合訓(xùn)練答辯或質(zhì)疑記錄：成績(jī)?cè)u(píng)定依據(jù)：最終評(píng)定成績(jī)（以優(yōu)、良、中、及格、不及格評(píng)定） 指導(dǎo)教師簽字： 年 月 日