带噪混叠语音信号盲分离方法研究

《带噪混叠语音信号盲分离方法研究》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、劣妻未交硕士学位论文带噪混叠语音信号盲分离方法研究TheStudyonBlindSeparationofNoisySpeechMixtures作者：王杏导师：魏杰北京交通大学2014年3月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：王击签

2、字日期：卅临了月们曰导师签名：籀公杰、签字日期：勘桦年弓月20日中图分类号：TN912UDC：学校代码：10004密级：公开北京交通大学硕士学位论文带噪混叠语音信号盲分离方法研究TheStudyonBlindSeparationofNoisySpeechMixtures作者姓名：王杏导师姓名：魏杰学位类别：工学学号：11120014职称：副教授学位级别：硕士学科专业：电路与系统研究方向：信号与信息处理北京交通大学2014年3月致谢时光荏苒，不知不觉中研究生的学习时光也即将结束。在这两年多的时光中，有过困惑，有过感伤，有过感动，但

3、更多的是收获和成长。在学习生活中，我遇到了很多良师益友，在和他们的学习生活中，我学会很多，也收获了很多，在校园里面留下了很多值得留恋和回忆的东西。衷心感谢我的导师魏杰副教授，在我的研究生学习生活中魏杰老师一直给予悉心的指导，及时地给我指引正确的方向，在生活和学习中给我提供了极大的帮助，使我受益匪浅，她治学严谨，平易近人，工作勤奋，对科研有着执着的追求和一丝不苟的精神，这些都时刻在影响激励着我，使我获益匪浅。向魏杰老师致以真挚的感谢。本篇论文是在魏老师的悉心指导和关怀下完成的，魏老师一直治学严谨，对我严格要求，在研究生的前期让我在

4、专业知识方面打下了良好的基础，并及时地培养我对科研的激情，并不断的指导我向更高的层次迈进，这些都对我的研究生学习生活产生了深远的影响。在撰写论文的这个过程中，我遇到许许多多的问题，对于我提出的任何问题魏老师都耐心细致的讲解，有时候我们一起查阅资料，讨论问题，在整个过程中我学到了很多学习方法，也领悟到了严谨的态度对学习研究会有很大的帮助。魏老师一直以来以自己的亲身感受对我进行指导和教育，让我在学习中学到很多方法得到很大的提高，在生活中学会了很多做人做事的道理，从论文的撰写，修改，到最终完成，魏老师一直以严谨的态度，严格把关，耐心指

5、导，使我的专业水平得到极大的提高，使本篇论文更加完整和严谨。在这两年多的时光中，我在实验室中结识了纳鹏宇、杨光伟、刘居锋、唐睢睢、肖兴智、钟斌泽、王弘毅等同学，和他们一起度过了美好的学习时光，也一起解决了很多生活中的问题，感谢你们的帮助和陪伴。感谢王明、李晴、孙丹阳以及所有师弟师妹们在此期间提供的各种帮助，也非常感谢你们给实验室带来了无限的欢乐气氛，使我的学习生活得到不少的放松和乐趣。最后，我要感谢我的父母，感谢你们的养育之恩，是你们的无私奉献和无限的支持，我才能一步一步走到今天。感谢我所有的家人，在我最困难的时候开导我、支持我

6、。你们给了我极大的能量，激励着我一直向前，我也要努力做好自己，给你们带来欢乐和幸福。中文摘要摘要：语音是人类传播信息和交流的重要媒介，人们可以在多个讲话者的环境中区分和获取自己感兴趣的语音信号，这是人体内部语音理解机理特有的一种能力。如何通过机器从混合的语音信号中分离出各个源信号，成为语音信号处理领域的一个重要问题。盲源分离(BlindSourceSeparation，BSS)是混叠语音分离的主要方法之一。盲源分离是指在源信号及其混合方式均未知的情况下，仅根据观测到的若干混合信号恢复源信号的过程。目前的盲源分离基本上都是在无噪环

7、境中进行的，但是实际环境中，语音信号不可避免的会受到各种噪声的影响，因此研究带噪混叠语音分离方法具有重要的理论价值和实际意义。本文对带噪混叠语音信号进行研究，结合盲源分离技术，提出了一种有效的解决带噪混叠语音盲分离的方法。首先消除带噪混叠语音信号中的噪声，提高信号的信噪比，然后再将去噪处理后混叠语音信号进行多个说话人的语音分离；主要在去噪部分和语音分离部分对算法进行改进，论文的主要工作包括：第一，在带噪混叠语音信号的噪声消除方面，提出了一种基于改进噪声估计和幅度补偿的改进的谱减法，该方法在有效去除噪声的同时能极大限度的避免源信号

8、受到损伤，为后续进行的混叠语音信号分离工作奠定基础，可以在很大程度上避免由于源信号受到损伤而影响分离效果。第二，在多个说话人的语音分离方面，提出了结合牛顿下降法和优化快速独立分量分析算法(M—FastlCA)的改进算法，解决基于负熵的FastlCA算法对随机初始