【正文】 確定信號(hào)方面，圖像處理方面等等，在這些領(lǐng)域以后可以進(jìn)一步了解。 這次設(shè)計(jì)中也遇到一些問(wèn)題，這些問(wèn)題的解決使我對(duì)盲信號(hào)處理有更全面的認(rèn)識(shí)。 武漢理工大學(xué)《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》報(bào)告 21 參考文獻(xiàn) [1] 馬建倉(cāng) ．《 盲信號(hào)處理 》 . 國(guó)防工業(yè)出版社 , [2] 趙艷 .《 盲源分離與盲信號(hào)提取問(wèn)題研究 》 . 西安 :西安理工大學(xué) . [3] 馬建芬 .《 語(yǔ)音信號(hào)分離與增強(qiáng)算法的研究 》 .電子工業(yè)出版社 . [4] 楊福生 .《 獨(dú)立分量分析的原理與應(yīng)用嗍 》 ．北京：清華大學(xué)出版社， 2020． [5] 楊行峻 《 人工神經(jīng)網(wǎng)絡(luò)與盲信號(hào)處理 》 .清華大學(xué)出版社 , 武漢理工大學(xué)《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》報(bào)告 22 附錄 原始語(yǔ)音 Matlab信號(hào) 頻譜程序 %（ 1）預(yù)處理 clc。 close all。39。 I2=wavread (39。)39。39。 S1=I1(1:150000)。 S3=I3(1:150000)。S2。 % 3x176401 矩陣 Sweight=rand(size(S,1))。 % 得到三個(gè)信號(hào)的混合信號(hào)3x176401 矩陣 fs=52050。 %對(duì)信號(hào)做 1024 點(diǎn) FFT 變換 y2=fft(S2,1024)。 f=fs*(0:511)/1024。原始語(yǔ)音信號(hào) yy139。原始語(yǔ)音信號(hào) yy239。原始語(yǔ)音信號(hào) yy339。混合語(yǔ)音信號(hào) 139。混合語(yǔ)音信號(hào) 239。混合語(yǔ)音信號(hào) 339。 % 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。 %對(duì)信號(hào)做 1024 點(diǎn) FFT 變換 y2=fft(MixedS(2,:),1024)。 f=fs*(0:512)/1024。混合語(yǔ)音信號(hào) 1FFT 頻譜 39。混合語(yǔ)音信號(hào) 2FFT 頻譜 39。混合語(yǔ)音信號(hào) 3FFT 頻譜 39。 %3*1 矩陣 for i=1:3 MixedS_mean(i)=mean(MixedS(i,:))。 end end %（ 3）白化處理 武漢理工大學(xué)《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》報(bào)告 24 MixedS_cov=cov(MixedS39。 % cov 為求協(xié)方差的函數(shù) [E,D]=eig(MixedS_cov)。 % Q 為白化矩陣 MixedS_white=Q*MixedS。)。 % 以下算法將對(duì) X 進(jìn)行操作 [VariableNum,SampleNum]=size(X)。 % 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:numofIC i=1。 % 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(guò)此次數(shù)） IterationsNum=0。 % 隨機(jī)設(shè)置 b 初值 b=b/norm(b)。\n 第 %d 分 量 在 %d 次 迭 代 內(nèi) 并 不 收 斂 。, r,maxIterationsNum)。 end bOld=b。 u=1。*b。 dg=(1a2*t.^2).*exp(a2*t.^2/2)。*g*b+u*X*g)/SampleNummean(dg)*b。*b。 if abs(abs(b39。 % 保存所得向量 b break。 end B(:,r)=b。*Q*MixedS_bak % 計(jì)算 ICA 后的矩陣 % fastICA 分離語(yǔ)音信號(hào) subplot(4,3,10),plot(ICAedS(1,:)),title(39。) subplot(4,3,11),plot(ICAedS(2,:)),title(39。) subplot(4,3,12),plot(ICAedS(3,:)),title(39。) %（ 2） PCA 算法分離 [V,D]=eig(MixedS_cov)。 for j=1:2 % 選擇最大的主元向武漢理工大學(xué)《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》報(bào)告 26 量并排序 for i=1:2 if D(i,i)D(i+1,i+1) tmp=D(i,i)。 D(i,i)=D(i+1,i+1)。 D(i+1,i+1)=tmp。 end end end %PCA 算法語(yǔ)音分離 t1=(MixedS39。 t2=(MixedS39。 t3=(MixedS39。 figure(2) subplot(3,3,1),plot(t1),title(39。) subplot(3,3,2),plot(t2),title(39。) subplot(3,3,3),plot(t3),title(39。) %分離后語(yǔ)音信號(hào)時(shí)域波形圖和頻域頻譜 fs=52050。 %對(duì)信號(hào)做 1024 點(diǎn) FFT 變換 f=fs*(0:511)/1024。 plot(ICAedS(1,:)) %做分離語(yǔ)音信號(hào) 1 的 時(shí)域圖形 title(39。)。 plot(abs(y11(1:512))) %做分離語(yǔ)音信號(hào) 1 的 FFT 頻譜圖 武漢理工大學(xué)《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》報(bào)告 27 title(39。) y12=fft(ICAedS(2,:),1024)。 plot(ICAedS(2,:)) %做分離語(yǔ)音信號(hào) 2 的時(shí)域圖形 title(39。)。 plot(abs(y12(2:512))) %做分離語(yǔ)音信號(hào) 2 的 FFT 頻譜圖 title(39。) y13=fft(ICAedS(2,:),1024)。 plot(ICAedS(3,:)) %做分離語(yǔ)音信號(hào) 3 的時(shí)域圖形 title(39。)。 plot(abs(y13(1:512))) %做分離語(yǔ)音信號(hào) 3 的 FFT 頻譜圖 title(39。) sound(ICAedS(1,:),52050) 附錄 2 預(yù)處理部分 matlab 程序 混合、算法分離部分 matlab的代碼： %（ 1）預(yù)處理 clc。 close all。39。 S2=wavread (39。)39。39。 S=[S1。S3]。 % 取一隨機(jī) 3*3矩陣，作為信號(hào)混合的權(quán)矩陣 MixedS=Sweight*S。 %語(yǔ)音信號(hào)采樣頻率為 52050 y1=fft(S1,1024)。 y3=fft(S3,1024)。 figure(1) subplot(4,3,1),plot(S1),title(39。) subplot(4,3,2),plot(S2),title(39。) subplot(4,3,3),plot(S3),title(39。) % 將混合矩陣重新排列并輸出 subplot(4,3,4),plot(MixedS(1,:)),title(39。), subplot(4,3,5),plot(MixedS(2,:)),title(39。), subplot(4,3,6),plot(MixedS(3,:)),title(39。), MixedS_bak=MixedS。 %語(yǔ)音信號(hào)采樣頻率為 52050 y1=fft(MixedS(1,:),1024)。 y3=fft(MixedS(3,:),1024)。 subplot(4,3,7),plot(abs(y1)),title(39。), subplot(4,3,8),plot(abs(y2)),title(39。), subplot(4,3,9),plot(abs(y3)),title(39。), %（ 2）歸一化處理 MixedS_mean=zeros(3,1)。 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)。)。 % 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。 % 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 武漢理工大學(xué)《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》報(bào)告 30 X=MixedS_white。 numofIC=VariableNum。maxIterationsNum=100。 b=rand(numofIC,1)。 % 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。 39。 break。 a2=1。 t=X39。 g=t.*exp(a2*t.^2/2)。 b=((1u)*t39。 % 核心公式 b=bB*B39。 % 對(duì) b正交化 b=b/norm(b)。*bOld)1)1e9 % 如果收斂，則 B(:,r)=b。 end i=i+1。 % 保存所得向量 b end %fastICA算法語(yǔ)音分離 ICAedS=B39。fastICA分離語(yǔ)音信號(hào) 139。fastICA分離語(yǔ)音信號(hào) 239。fastICA分離語(yǔ)音信號(hào) 339。 % 協(xié)方差矩陣對(duì)角化 Vtmp=zeros(size(V,1),1)。Vtmp=V(:,i)。V(:,i)=V(:,i+1)。V(:,i+1)=Vtmp。*V(:,1))39。*V(:,2))39。*V(:,3))39。PCA分離語(yǔ)音信號(hào) 139。PCA分離語(yǔ)音信號(hào) 239。PCA分離語(yǔ)音信號(hào) 339。 %語(yǔ)音信號(hào)采樣頻率為 52050 y11=fft(ICAedS(1,:),1024)。 figure(2) subplot(3,2,1)。fastICA分離語(yǔ)音信號(hào) 139。 subplot(3,2,2)。fastICA分離語(yǔ)音 信號(hào) 1的 FFT頻譜 39。 %對(duì)信號(hào)做 1024點(diǎn) FFT變換 subplot(3,2,3)。fastICA分離語(yǔ)音信號(hào) 239。 subplot(3,2,4)。fastICA分離語(yǔ)音信號(hào) 2的 FFT頻譜 39。 %對(duì)信號(hào)做 1024點(diǎn) FFT變換 subplot(3,2,5)。fastICA分離語(yǔ)音信號(hào) 339。 subplot(3,2,6)。fastICA分離語(yǔ)音信號(hào) 3的 FFT頻譜 39