资源描述：
《基于快速ica的盲分离应用_数理专业_毕业论文》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、北京工业大学毕业设计（论文）任务书题目一种盲分离算法及在实际问题中的应用专业信息与计算科学学号11062206姓名刘颜玮主要内容、基本要求、主要参考资料等：独立分量分析是20世纪末发展起来的一类多通道信号分解方法，是信号处理技术发展中的一项前沿热点，本任务主要是实现一个快速ICA算法，然后将其应用在语音信号上，检验其效果。基本要求：算法程序主要参看资料：“Afastfixed-pointalgorithmforindependentcomponentanalysis”，AapoHyvarinen,Efkki
2、Oja,NeuralComputation,9,1483-1492(1997)完成期限：2015.05指导教师签章：武连文专业负责人签章：2015年1月5日12摘要语音信号分离是近几十年来广泛应用于通信、雷达、电子医学等方面的发展方向，其理论基础是语音信号的盲源分离。本文主要介绍了盲源分离和独立分量分析概念以及相关知识，探讨ICA研究中的主要问题。盲信号处理算法分为批处理算法和自适应算法两类，研究得到一种批处理和自适应相结合的快速独立分量分析(fastindependentcomponentanalysis
3、,FastICA)算法。在语音信号的处理和分离中，声音的信号多种多样，但是来自不同语音源的信号保持相对独立，利用此特点及盲信号分离的思想，将FastICA算法作用在语音信号的分离及模拟函数信号的分离上。本文重点研究了盲信号处理的思想和ICA算法，明确了ICA方法的数学模型、基本假设条件以及ICA目标函数的估计准则。本文使用三个声音文件以及三个模拟函数信号做实验，用matlab进行仿真试验，通过分离前后的波形图进行对比与分析，来证明该算法具有良好的信号分离效果。关键词：语音信号分离；盲信号处理算法；独立分量分
4、析；ICA固定点算法34AbstractSpeechsignalsseparationiswidelyusedinthedirectionofcommunication,radar,electronicmedicalandotheraspectsinrecentdecades.Theirtheoryisbasedonblindsourceseparationofspeechsignals.Thispaperdescribestheblindsourceseparationandindependentcomp
5、onentanalysisconceptsandknowledge,toexploremajorissuesofICAresearch.Blindsignalprocessingalgorithmisdividedintotwotypesofbatchalgorithmandadaptivealgorithm,theresearchersobtainacombinationofbatchandadaptiveFastindependentcomponentanalysis(fastindependentco
6、mponentanalysis,FastICA)algorithm.Inspeechsignalprocessingandseparation,speechsignalisfullofdifferenttypes,butsignalsfromdifferentsourcesremainrelativelyindependentvoice,usethisfeatureandblindsignalseparationthought,theroleoftheFastICAalgorithmandsimulatio
7、nfunctioninseparatevoicesignalsseparatingthesignal.ThispaperfocusesontheideaofblindsignalprocessingalgorithmsandICAalgorithm,andexplicitthemathematicalmodelofICA,thebasicassumptionsandconditionsICAestimationcriteriaobjectivefunction.Thispaperusesthreesound
8、filesandthreeanalogfunctionsignaltoexperimentwithmatlabsimulationtest,throughcomparisonandanalysisthroughwaveformbeforeandafterseparation,toprovethatthealgorithmhasagoodsignalseparation.KeyWords:Speechsignals
