河北金融学院2015届毕业论文(设计)前期报告
系:会计系 专业(方向):会计学 报告提交时间:20xx年11月2日
第二篇:前期报告2
河北工业大学本科毕业设计前期报告
河北工业大学本科毕业设计前期报告
毕业设计(论文)题目:基于卷积混合模型的语音分离算法研究
适用专业:电子科学与技术
学生信息:学号:101991 姓名:张燕 班级:电技101班
指导教师信息:姓名:郭艳菊 职称:讲师
提交报告日期: 20xx年3月6 日
一、阐述工作过程,遇到的问题、解决问题的方法、效果、启示,任务书要求进度完成情况
1.本阶段工作过程
通过郭老师提供的方法途径,我可以快速查找文献资料。然后通过对本毕设题目研究,网上的搜索,以及对校园图书馆内所借阅的参考书目的学习,初步了解了盲源分离的研究背景及现状,并对盲信号处理有了初步的了解。然后对编程软件MATLAB进行了系统的复习,为后期进一步的研究做了充足的准备工作。通过反复研读任务书,进一步了解了该毕设的目的以及实现的方法途径。
2.遇到的主要问题及欲解决问题的方法
①拿到本毕设题目,感觉特别深奥,也不知要了解哪些知识来攻克这个难题。通过老师耐心的举例,讲解,并对提出的问题一一进行了解释,我了解了需要从卷积混合模型,盲源分离这两个方面入手来查找相关资料文献,并应该系统的对《独立成分分析》这本书进行学习。②对于如何进行语音分离,我通过查找相关资料文献了解了目前实现它的各种方法以及前辈们推陈出新的思路,也知道了目前盲源分离广阔的应用前景。③对于MATALAB软件编程,我仍不能熟练地编程使用,通过对书又一次系统的复习,进行查漏补缺,终于能够熟练地运用该编程软件。
3.任务书要求进度完成情况
首先,老师要求我们根据题目查找相关的论文并对其进行研究,对其有一个大致的了解,接着学习一些老师提供的资料,书目,了解一下国内外对于盲信号处理的研究背景及其现状。还要了解盲信号分离的基本模型、数学原理、工程应用及研究进展以及实现盲信号分离的基本算法。重点是要研究多输入多输出卷积混合系统的时域模型及其可辨识条件,以及常用的时域卷积信号盲分离算法。还要对MATLAB软件进行熟练的使用。对于以上要求,我首先仔细的研读了任务书,明白了该毕设的目的,接着阅读老师提供的资料以及下载的论文,对于盲源分离有了深入的了解,对MATLAB进行了系统的复习,能够熟练的运用该软件。做好了充分的准备工作,我有信心完成接下来的挑战。
二、文 献 综 述
1.课题研究的目的和意义
河北工业大学本科毕业设计前期报告
现实生活和自然界中存在大量的信息需要人们去获取和认识,其中不免有些信息是我们事先未知的,人们通过信息的分析来认识世界以及改造世界。而信息的纷繁复杂也给人们的工作带来了许多困难,人们很难判断信息的准确性和真实性。信号与信号处理的任务简单地说就是从杂乱的信息中获取我们需要的信息,它给我们提供了逻辑依据,成功的分离出有用信息。盲信号分离包括两大类:一类是基于源信号线性瞬时混合模式的假设。但在很多情况下,由于语音信号实际传播过程中的时延和空间、器件滤波效应,传感器接收的输入大多是时延和相移源信号的混合,所以实际情况下BSS往往是基于卷积混合模型的。
该课题目的就是研究多输入多输出卷积混合系统的时域模型及其可辨识条件,以及常用的时域卷积信号盲分离算法。
本毕设的意义在于它可以在源信号和传输信道信息均未知的情况下,仅根据观测信号估计出源信号的过程。因而可应用于不同的领域,比如说无线通信,图像处理,地震,声纳,语言和生物医学等领域。
2.时域卷积信号盲分离算法的内容和实现方法
因为在实际生活中,语音信号的传播可能出现时延、反射等情况,因而大多数语音信号是以卷积的方式进行混合构成,所以对语音盲分离的研究的重点应转移到对卷积混合盲分离的研究。在时域,对卷积混合信号进行盲分离的方法是利用独立分量分析的概念将瞬时混合时的标量混合矩阵扩展到卷积混合时的滤波器混合矩阵的方法。
对于盲源分离,常用的方法有很多种,以下我们只介绍常用的几种。
1、基于信息论的Infomax算法
这种算法是Bell提出的最大信息传输(infomax)盲信号分离算法,它是最具代表性的算法。该算法糅合了Linsker提出的基于信息传输极大准则的神经网络无监督学习思想和Herault和Jutten的独立分量提取的非线性不相关法则。由独立性判据的不同可以推导出各种分离算法,比如最大信息传输、最小互信息、最大化负熵等算法。
只要非线性函数逼近源信号的累积分布函数就可以得到较好的效果。然而峭度描述随机变量的非高斯具有不稳定性,因此基于峭度的模型切换也存在不稳定因素,算法往往得不到很好的分离效果。
2、基于非高斯性极大准则的FastICA算法
该算法的思想来源于中心极限定理。中心极限定理告诉我们,在一定条件下,相互独立的非高斯随机变量的线性组合更接近高斯分布。反过来说,源随机变量的非高斯性会比他们线性组合后所得随机变量的非高斯性要强。
从实验现象可以看出这种算法可以快速有效的从混合信号中提取出独立分量。
3、基于稀疏源假设的S-ICA算法
它是由Zibulevsky等提出的,也就是基于混合矩阵A估计的聚类算法。
对卷积混合盲分离研究的常用的方法有基于时域联合对角化的卷积混合盲分离算法即仅用二阶统计量的时域盲分离算法。通过在时域上定义一个代价函数,然后采用最速下降法
河北工业大学本科毕业设计前期报告
搜索多项式矩阵,从而使观测值构成的空间时间相关矩阵联合对角化,从而实现源信号的分离。该方法能有效的分离非平稳、非白色的源信号,而且避免了频域盲分离算法中固有的分离信号排列顺序不确定所引起的频率置换模糊。
本课题算法中选用合适的求解信号独立成分的判据,采用优化的优化方法对目标函数进行优化求解;使用采用Matlab软件的编程方法,完成相关算法的Matlab程序,进行实验,对实验结果进行总结和分析。
3. 盲源分离的研究背景及现状
近几年来,由于经济全球化的扩大,世界新兴技术的兴起以及人类改造大自然的步伐的逐渐加快,造成人类对能源的需求及依赖性不断增大,能源供应不足,非可再生能源相对匮乏的矛盾也随之出现,人类不得不重新回到原来因为太困难而放弃的区域中寻找能源,因此,地质勘探面临的问题就越来越困难,这也对信号处理学科提出了新的要求。与此同时,由于数字移动通信产业的快速发展,出现了一些新的研究课题,如在移动通信中,发射端所发出的原始信号的质量表现的尤为重要。面对地质勘探与数字移动通信两大行业的棘手问题,产生了一种新的数字信号处理的方法——盲信号处理,通俗地讲,就是盲源分离。
目前,盲源分离问题已经成为国际上信号处理和人工神经网络等学科领域的一个研究热点。而现在电磁环境越来越复杂,信号种类越来越多,对盲源分离得要求也越来越高。所谓盲源分离是指在源信号和传输信道信息均未知的情况下,仅根据观测信号估计出源信号的过程。它是一种功能很强的信号处理方法。盲源分离分为瞬时混合和卷积混合两种基本形式,瞬时信号盲分离用于理想情况,而卷积混合模型更接近于实际环境。现有的卷积混合语音信号的盲源分离方法分为时域方法和频域方法,当混合滤波器阶数较高时,时域方法需要学习的参数较多,造成时间长,难于收敛。相比之下,频域方法是将时频卷积变换为多个频率段上的乘法运算,运算简单而且速度快,因而成为解决基于卷积的语音分离信号的主要方法。对盲源分离的早期研究始于20世纪80年代中后期,由法国的Jeanny Herault、Christian Jutten提出的H-J算法,这种算法是在生物体运动时中枢神经系统能够分离不同信息的启发下提出的。19xx年, Christian Jutten、Jeanny Herault和Pierre Common在Signal Processing上发表了关于盲信号分离的三篇文章,标志着盲分离研究取得了重大进展。利用信号独立性的Kullbak-leibler准则作为对照函数,通过对概率密度的高阶逼近,得出用于衡量信号各分量统计独立的对照函数,并由此得出一类基于特征分解的独立分量分析方法。国外早期的盲源分离方法可以追溯到Sato,Gaodard和Benveniste等的Bussgang类算法,他们的算法以及后来的忙均衡算法均采用通信系统中数字信号的常模量特性,主要用于单通道进行源信号恢复的情况。后来盲源分离算法不断更新进步,直至Lee和Bell将基于最大信息量或最大似然估计算法得出的盲源分离训练算法变换到频域,并利用FIR多项式代数技术进行盲源分离。国内近期的相关理论技术研究几乎是与国际同步进行的。
由于盲信号分离技术能够从观测的混合信号中恢复出原始信号而对原始信号和混合系统的先验知识要求很少,所以在无线通信,图像处理,地震,声纳,语言和生物医学等领域
河北工业大学本科毕业设计前期报告
具有广大的应用前景。
三、参考文献:
[1]张玲.基于时域的语音信号盲分离算法研究及其DSP实现[D].成都:四川大学硕士研究生学位论文, 2004
[2]徐尚志.盲信号分离算法的研究[D].合肥:中国科学技术大学博士研究生学位论文,2005
[3] 柳艳红,魏学业,王大虎.[J].信号处理,2007,23(6): 801-801
[4] 陈绍荣.卷积混合语音信号盲分离方法研究[D].长沙:国防科学技术大学工程硕士研究生学位论文,2007
[5] 贾凡.混合语音信号盲分离的算法研究[D].西安:西安电子科技大学硕士研究生学位论文,2004
[6] 张贤达,保铮.盲信号分离[J].电子学报,2001.12
[7] 樊景.卷积混合模型中的盲信号分离算法[D].太原:太原理工大学硕士研究生学位论文, 2004
[8] 王惠刚.盲信号分离[D].西安:西北工业大学博士研究生学位论文,2002
[9] 覃和仁,谢胜利.基于QR分解与罚函数方法的盲分离算法[J] .计算机工程,2003,29(17):55-57.
[10]付卫红,杨小牛,刘乃安.基于四阶累积量的稳健的通信信号盲分离算法[J].电子与信息学报,2008,30(8): 1853-1856