本站小編為你精心準(zhǔn)備了自然梯度語(yǔ)音信號(hào)盲分離方法參考范文,愿這些范文能點(diǎn)燃您思維的火花,激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。
《應(yīng)用科技雜志》2015年第一期
1信號(hào)的預(yù)處理
混合信號(hào)盲分離前,需要對(duì)信號(hào)進(jìn)行預(yù)處理,可以大大減少計(jì)算和分離效率。最有用的預(yù)處理步驟就是對(duì)觀測(cè)信號(hào)去均值和白化,一些特殊的問(wèn)題,要用低通或高通濾波器去除噪聲信號(hào)或擾動(dòng)[13]。
1.1信號(hào)的零均值處理盲信號(hào)分離算法中,源信號(hào)的分量變換成零均值,可以大大減少計(jì)算量,并且對(duì)分離結(jié)果無(wú)影響。假設(shè)x是一個(gè)非零均值的隨機(jī)變量,其去均值過(guò)程可以用0xxEx來(lái)表示,在真實(shí)的計(jì)算情況下,算術(shù)均值通常由數(shù)學(xué)期望來(lái)估計(jì)。
1.2信號(hào)的白化盲信號(hào)分離中,白化是一個(gè)通用的改善分離性能的信號(hào)預(yù)處理方法,因而白化是非常有必要的。盡管白化不能確保源信號(hào)被分離出來(lái),但是盲分離算法或者改善了盲分離算法的性能。
梯度算法有等變化性等優(yōu)良的性能,應(yīng)用場(chǎng)合廣泛,但存在步長(zhǎng)與穩(wěn)態(tài)誤差間的固有矛盾。
2.1標(biāo)準(zhǔn)自然梯度算法在盲信號(hào)分離或ICA問(wèn)題中,輸出y(k)相互獨(dú)立性反應(yīng)了分離的性能,通常情況下使用K-L散度作為獨(dú)立性的度量。文中使用(,)ypyW作為隨機(jī)變量yWx的概率密度函數(shù)并且創(chuàng)造一個(gè)概率密度函數(shù)q(y),在q(y)中的所有分量都是在統(tǒng)計(jì)意義上獨(dú)立的,并將其作為一個(gè)參考。當(dāng)且僅當(dāng)(,)ypyW和q(y)同分布時(shí),K-L散度才會(huì)是零,也不會(huì)隨著變量iy的非線性變換而變化。獨(dú)立性的自然度量表示。根據(jù)黎曼空間中參數(shù)的結(jié)構(gòu),這種自然梯度修改了標(biāo)準(zhǔn)梯度的搜索方向,但是并沒(méi)有改變最小值點(diǎn)因而確保了參數(shù)估計(jì)的全局最優(yōu)解。自然梯度有著等變化的性質(zhì),還不用求逆運(yùn)算,不受混合矩陣變化的影響,并且沒(méi)有像牛頓法在目標(biāo)函數(shù)的均方估計(jì),算法阻止了Wk的畸變[14],很適合目標(biāo)函數(shù)非線性的模型。
2.2改進(jìn)的自然梯度算標(biāo)準(zhǔn)自然梯度算法有著很好的收斂與分離性能,但是其碼間干擾收斂速度很慢,為了加速碼間干擾的收斂速度,參考文獻(xiàn)[12]將傳統(tǒng)算法中分離矩陣的Frobenius范數(shù)變化情況強(qiáng)加于梯度學(xué)習(xí)算法,將使算法在學(xué)習(xí)過(guò)程中保持相對(duì)穩(wěn)定,采用該思想方法有k迭代調(diào)節(jié)過(guò)程如下。
3仿真實(shí)驗(yàn)及實(shí)驗(yàn)結(jié)果分析
選用2路純凈的語(yǔ)音信號(hào)進(jìn)行算法的驗(yàn)證性分離試驗(yàn),驗(yàn)證算法的有效性:其中1s內(nèi)容是:“這就是去洛克菲勒中心的地鐵嗎?是”;2s內(nèi)容是:“I’minterestingabouteducation!”。使用Matlab軟件仿真,得到源信號(hào)1s和2s的波形圖如圖3所示。2種分離方法分離出的波形和原始語(yǔ)音信號(hào)的波形相比較,直觀上分離結(jié)果波形相似度很高,由于自然梯度算法存在2種不確定性,所以需要引進(jìn)分離性能評(píng)價(jià)指標(biāo)。語(yǔ)音信號(hào)分離性能評(píng)價(jià)指標(biāo)一般使用性能測(cè)度碼間干擾。從圖7中看到這2種算法在分離的初始階段碼間干擾都很大,隨著分離程度的加深,碼間干擾很快的降低,最后穩(wěn)定在一個(gè)很小的值,說(shuō)明這2種分離算法都能將混合信號(hào)得到精確的分離。從圖7中可以看出第10步迭代后碼間干擾迅速下降,標(biāo)準(zhǔn)自然體算法碼間干擾曲線迭代次數(shù)到了45步才穩(wěn)定到一個(gè)很小的值;改進(jìn)后的自然梯度法碼間干擾曲線迭代到了35步就穩(wěn)定到了一個(gè)很小的值。說(shuō)明改進(jìn)后的自然梯度算法收斂速度比原始的收斂速度有所提高。
4結(jié)束語(yǔ)
運(yùn)用標(biāo)準(zhǔn)自然梯度和改進(jìn)的自然梯度算法都能將混合的語(yǔ)音信號(hào)分離開(kāi)來(lái),通過(guò)對(duì)比標(biāo)準(zhǔn)自然梯度算法和改進(jìn)的自然梯度算法分離結(jié)果的串音誤差曲線,二者都具備很好的分離性能,改進(jìn)后的自然梯度算法具有更快的分離速度,這種更快的分離性能用在實(shí)時(shí)性要求更高的環(huán)境中就能獲得更好的分離效果。在此考慮的都是純凈的語(yǔ)音信號(hào),而在真實(shí)的環(huán)境中不可避免受到噪聲信號(hào)的干擾,今后研究噪聲污染的信號(hào)的分離更具有實(shí)際的意義。
作者:岳建杰張成單位:哈爾濱工程大學(xué)信息與通信工程學(xué)院哈爾濱工程大學(xué)自動(dòng)化學(xué)院