基于核独立成分分析的声信号去噪方法.pdf

《基于核独立成分分析的声信号去噪方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2011年第30卷第l1期传感器与微系统(TransducerandMicrosystemTechnologies)43基于核独立成分分析的声信号去噪方法杨旭，张学渊，李宝清(中国科学院上海微系统与信息技术研究所无线传感网络实验室，上海200051)摘要：野外环境无线传感侦查网络中的声识别技术面临着复杂的自然环境噪声的挑战，尤其是由强风噪声造成的影响。独立成分分析(ICA)方法是一种能够较好地解决这种复杂环境去噪的方法。引入一种基于核方法的非线性ICA方法～核独立成分分析(KICA)。基于该算法，针对强风噪

2、声的特性，设计一种应用于单声传感器降噪的方案。通过降噪仿真实验，对KICA与ICA的典型算法快速ICA算法进行比较。实验结果表明：在以均方误差作为指标的降噪性能和实际分类识别率两方面，KICA算法相较于快速ICA算法对于该种强噪声具有更为优秀的降噪效果。关键词：核独立成分分析；独立成分分析；无线传感侦查网络；声信号；降噪中图分类号：TN912．3文献标识码：A文章编号：1000-9787(2011)11-0043-03Adenoisingmethodforacousticsignalbased0nkerne

3、lindependentcomponentanalysisYANGXu，ZHANGXue—yuan，LIBao—qing(WirelessSensorNetworksLab，SbanghmInstituteofMicro-systemandInformationTechnology，ChineseAcademyofSciences．Shanghm200o51．China)Abstract：Theacousticrecognitiontechnologyinwirelesssensorsurveillance

4、networkinwildenvironmentisfacingthechallengeofthecomplicatedandstrongacousticnoise，especiallytheeffectofthewindnoise．Independentcomponentanalysis(ICA)methodhasagoodperformanceindenoisingincomplicatedenvironment．Onthebasisofkernelindependentcomponentanalysi

5、s(KICA)，adenoisingschemeforsingleacousticsensorisdesigned．Itisatypicalnonlinearindependentcomponentanalysismethod．Throughdenoisingsimulationexperiment，theKICAalgorithmiscomparedwiththetypicalalgorithmof／CAmethod，fastICAalgorithm．Resultsshowthatinadenoising

6、applicationaimedatthestrongwindnoiseinwildenvironment，withthemeansquareerrorcriterionandthecorrectclassificationratiocriterion，KICAalgorithmissuperiortothefastICAalgorithm．Keywords：kernelindependentcomponentanalysis(KICA)；independentcomponentanalysis(ICA)；

7、wirelesssensorsurveillancenetworks；acousticsignal；denoising0引言及小波阈值去噪方法J，神经网络方法J，经验模态分解野外环境无线传感侦查网络主要通过将各种物理特性方法等，都可以予以解决。独立分量分析(independent的传感器(声响、震动、红外等)布设于需要侦查的区域，获componentanalysis，ICA)是近年来兴起的信号处理技术，取侦查区域人员、车辆或者低空目标等的位置、运动速度、它具有更加明确的物理意义。但当自然环境噪声较大且较行动

8、以及规模等信息。随着现代科学技术的飞速发展，其复杂的时候，传统的去噪方法已经无法满足需求，这必然导应用已经成为了一种战略需求。由于野外环境复杂多变，致识别系统识别率的下降。非线性盲源分离(blindsource声识别技术作为野外环境传感网络技术中一个重要的探测separation，BSS)是模式识别领域中的一个重要的研究方识别手段，面临着强自然环境噪声的挑战，因为自然环境噪向，能够较好地解决这种复杂环境下的源信号