【正文】 ............................................................................... 7 獨(dú)立分量分析的定義 ....................................................................................... 7 ICA 基本概念 ................................................................................................... 8 3 語音信號特性與分析 .......................................................................................................... 10 語音的特性 .............................................................................................................. 10 有關(guān)語音信號處理的基礎(chǔ)知識 ................................................................................. 11 語音信號的 MATLAB 程序 .......................................................................................... 11 輸入語音信號的 MATLAB 波形圖分析 ............................................................. 11 混合語音信號的 MATLAB 波形圖分析 ............................................................. 13 4 FastICA 算法 ...................................................................................................................... 14 語音信號數(shù)據(jù)的預(yù)處理 ............................................................................................ 14 FastICA 算法 .......................................................................................................... 15 快速 ICA 算法分離的 基本步驟 ................................................................................. 17 混合語音信號波形圖 ............................................................................................... 18 分離語音信號波形圖 ............................................................................................... 19 對比與分析 .............................................................................................................. 20 5 結(jié)論 .................................................................................................................................... 21 致謝 ........................................................................................................................................... 21 主要參考文獻(xiàn) ............................................................................................................................ 21 1 緒論 研究背景與意義 數(shù)字信號處理技術(shù)是 1960 年開始 ， 伴 隨著計(jì)算機(jī)技術(shù) 的發(fā)展而迅速發(fā)展起來的一門學(xué)科 技術(shù)。 本文重點(diǎn)研究了 盲信號處理的思想和 ICA 算法，明確了 ICA 方法的數(shù)學(xué)模型、基本假設(shè)條件以及 ICA 目標(biāo)函數(shù)的估計(jì)準(zhǔn)則。 盲信號處理算法分為批處理算法和自適應(yīng)算法兩類，研究得到一種批處理和自適應(yīng)相結(jié)合的快速獨(dú)立分量分析 (fast independent ponent analysis, Fast ICA)算法 。 摘要 語音信號分離是近幾十年來廣泛應(yīng)用于通信、雷達(dá)、電子醫(yī)學(xué)等方面的發(fā)展方向，其理論基礎(chǔ)是語音信號的盲源分離。 本文主要介紹了 盲源分離和 獨(dú)立分量分析 概念以及相關(guān)知識，探討 ICA 研究中的主要問題 。 在語音信號的處理和分離中，聲音的信號多種多樣，但是來自不同語音源的信號保持相對獨(dú)立 ，利用此特點(diǎn)及盲信號分離的思想， 將 Fast ICA 算法 作用 在語音信號的分離上， 從而 獲得獨(dú)立的聲音文件。 本文使用三 個聲音文件做實(shí)驗(yàn)， 用 matlab 進(jìn)行仿真 試驗(yàn) ，通過 分離前后的波形圖 進(jìn)行對比與分析， 來證明該算法具有良好的語音信號分離效果 。從誕生起，它 便 顯示 出 了 龐大 的潛力，并很快在 諸如 雷達(dá)和聲納 ， 電子通訊 工程 ， 以及 電子生物醫(yī)學(xué) 等領(lǐng)域 中 應(yīng)用于實(shí)際，并且取得了非常好的效果，使人們對這門技術(shù)給予了很大的期望 。因?yàn)樵谠S多情況下，這些假設(shè)大致成立，因此通過實(shí)際需要的數(shù)字信號處理技術(shù)的發(fā)展迅速 并逐漸 完善， 且被日益廣泛的應(yīng)用 。 在理論和技術(shù) 方面，這些新的 突破 已 逐漸 成為現(xiàn)代信號處理的 里程碑 。 隨著數(shù)字信號處理技術(shù)的應(yīng)用在各個領(lǐng)域的應(yīng)用逐漸深化，以及數(shù)字信號處理技術(shù)本身的不斷發(fā)展，大家開始并不滿足于處理線性時不變因果最小相位系統(tǒng)以及平穩(wěn)高斯信號，以及經(jīng)典的信號處理理論，因此非平穩(wěn)，非高斯和非線性、時變的非因果最小相位系統(tǒng)被推出舞臺。曾經(jīng)一度讓人認(rèn)為無法解決的加性有色噪聲的信號處理，也已經(jīng)取得了實(shí)質(zhì)性的進(jìn)展。 本文研究方向 雞尾酒會效應(yīng) (cocktail party effect)，也 稱為 選擇性關(guān)注 (selective attention)，即為盲源分離的一個實(shí)際例子，指人在嘈雜的環(huán)境中或者很多人同時說話的環(huán)境下依舊能分辨出自己感興趣的聲音，這說明人 類的大腦可以進(jìn)行類似于盲源語音分離的工作 ， 在實(shí)驗(yàn)中，我們并不能認(rèn)為計(jì)算機(jī)可以完全替代人腦對于語音的識別程度 ，但是通過軟件將原本混合在一起的語音信號分開，來模擬嘈雜環(huán)境下的語音識別是可以實(shí)現(xiàn)的。它 指在信號在無參考信號的條件下，來估計(jì)出原始信號的方法，用系統(tǒng)的輸出數(shù)據(jù)，通過處理手段來獲得我們想要了解的相關(guān)信息。 盲信號處理中的“盲”指信號源是未知的，并且混合信號也是未知的，因此我們在盲信號處理的過程中無法使用這點(diǎn) 。通信的任務(wù)即為從接受到的信號去恢復(fù)本身的原始信號 。例如以下幾方面： 帶噪聲的語音信號盲處理 很多實(shí)際應(yīng)用的情況下，混合語音信號中往