导读:本文包含了语音信号分离论文开题报告文献综述及选题提纲参考文献，主要关键词:麦克风阵列,盲源分离,混合语音,FastICA算法
语音信号分离论文文献综述
曾庆源,谭万威,吴海英[1]（2019）在《混合语音信号的声源分离》一文中研究指出语言通讯是人类最基本的交流通讯手段之一,而作为收集语音的有效工具麦克风,可以录入人类语音信号。笔者研究一种基于麦克风阵列的说话分离技术,利用两个麦克风采集混合声音信号,使之分离出两个声源的语音内容,能够识别语音内容。本设计完成了由两个麦克风收集两段声源的混合声音信号,运用独立成分分析FastICA算法分离两段混合声源信号并可以进行播放,成功识别后以文本形式显示在7英寸的LCD。(本文来源于《信息与电脑(理论版)》期刊2019年18期）
严发鑫,徐岩,汤旻安[2]（2019）在《PID控制原理在语音信号盲源分离中的应用》一文中研究指出语音信号在非平稳系统中是动态混合的,为了实时抑制盲源分离过程中的非平稳混合扰动,加快收敛速度,减小稳态误差,提出了一种应用PID控制原理的自适应盲源分离算法。依据一种无预处理的自适应盲源分离算法建立PID控制模型,调节学习速率,跟踪语音信号的分离过程,实时减小由非平稳混合引入的分离误差,动态更新分离矩阵。在混合矩阵缓变和突变两种情形下分别对PID参数整定和语音信号的分离进行仿真分析,结合经典算法对比提出算法的性能。仿真与对比结果表明,提出的算法适用于非平稳混合系统语音信号的分离,算法性能较经典算法有改善。(本文来源于《测控技术》期刊2019年09期）
邹彤,王英,董姝敏,隋鹏[3]（2019）在《混合语音信号的盲源分离技术研究》一文中研究指出本文主要研究了常见的叁种混合模型(线性瞬时混合、线性卷积混合和非线性混合)的盲源分离问题,阐述了它们各自的原理和方法,并讨论了算法好坏的衡量方法和优化方法。本文对众多学者提出的改进的仿生智能优化算法进行了整理与总结。最后,对待解决的语音信号盲源分离问题进行了归纳总结,为进一步研究提供了明确的方向。(本文来源于《单片机与嵌入式系统应用》期刊2019年08期）
朱立娟,赵风海[4]（2019）在《一种改进的FastICA算法在语音信号盲源分离中的应用》一文中研究指出为了克服快速不动点算法(FastICA)在语音信号盲源分离中由于计算量较大时造成的运算速率明显降低的弊端,提出了一种矩阵联合对角化和FastICA算法相结合的改进算法。首先对观测信号进行特征矩阵近似联合对角化处理,得到初步分离的信号,进而利用FastICA算法实现语音信号的二次分离。仿真结果表明,和传统的基于负熵极大化的FastICA算法相比,改进的FastICA算法能够在保证分离效果的前提下,大幅度降低了运算的迭代次数,进一步加快了运算的收敛速度。(本文来源于《电声技术》期刊2019年05期）
可杨,董小东,颜博[5]（2019）在《混合语音信号盲分离专利技术综述》一文中研究指出文章统计分析了混合语音信号盲分离领域的专利申请,并对专利技术进行分解,统计了国内外历年申请量、技术产出国家/地区分布、申请人分布,并根据被引频次数列举核心专利申请。分析表明语音盲分离技术在国内还处于方兴未艾的研究阶段。基于瞬时线性混合模型的解决方案,衍生出了各类应用场合和侧重点不同的算法。(本文来源于《中国科技信息》期刊2019年05期）
刘明珠[6]（2019）在《语音信号的卷积盲源分离算法研究》一文中研究指出在当代通信系统中,信号的基本形式往往表现为未知或只知少量先验知识,而通信信号往往体现为多路信号的混合,这种混合信号具有非平稳性、非线性以及非协作特性。正是由于这种复杂信号模型形式,使得对于混合信号的观测、特征值估计、分离与提取变得十分困难。因此,本文研究了基于信号相关原理的语音信号盲源分离技术,以达到在混合语音信号中,多路语音信号的有效分离。论文研究了混合语音信号的预处理方法,并深入分析了盲源分离技术的理论基础。由于混合语音信号在时域中通过卷积处理方式实现分离算法十分复杂,因此论文从频域卷积盲源分离角度入手进行盲源分离方法的研究。论文首先从混合语音信号的频域短时傅里叶变换入手,把时域卷积混合盲源分离问题转换为频域各频点上的瞬时混合盲分离问题,再利用传统瞬时算法,减少了混合盲信号分离过程中的计算量。其次,由于频域算法会引入排序不确定性问题,因此,论文研究了语音信号经过短时傅里叶变换后在每个频点上分离信号的特征,通过分析传统相邻频点幅度相关性排序方法,提出了一种针对传统方法中分离不理想频点的利用门限值判断的幅度相关排序的改进算法。仿真结果表明本文提出的基于门限法的改进算法能够有效地提高盲源分离的有效性。最后,论文还针对高相关性信号在排序过程中稳健性差的问题,研究了一种基于F-范数距离的改进K-means算法,实现对分离子信号的再排序方法,以提高排序过程中的稳健性。(本文来源于《哈尔滨理工大学》期刊2019-03-01）
刘晶[7]（2018）在《基于盲源分离和噪声抑制的语音信号识别》一文中研究指出为了更准确地在噪声环境中对不同语音信号进行识别,提出了一种用于普适语音环境下的自优化语音活动检测(VAD)算法,该算法运用个性化语音命令自动识别系统的语音信号,并能够有效地从多个发声者的混合语音中分离出个体发声者的声音,通过跟踪语音功率谱的较高幅度部分和自适应地抑制噪声来检测发声者的语音信号;设计并实现了一种处理多个发声者任务的自动语音识别(ASR),免去了对干净的语音变化进行先验估计,直接利用噪声本身产生语音/非语音判决的阈值以完成自优化过程;使用语音数据库NOIZEUS进行了评价测试,实验结果表明,所提出的盲源分离和噪声抑制方法不需要任何额外的计算过程,有效地减少了计算负担。(本文来源于《计算机测量与控制》期刊2018年12期）
赵城[8]（2018）在《基于稀疏表示和深度学习的单通道语音信号分离技术研究》一文中研究指出盲源分离是指在信源特性和混合过程均未知或部分未知的情况下,仅根据源信号的某些先验特性,从观测信号(也被称为混合信号)中恢复出源信号的过程。当观测信号仅有一路时称之为单通道盲源分离。目前,基于稀疏表示的单通道盲源分离算法取得了一定的研究成果,但仍然存在一些不足。基于稀疏表示求解该问题涉及到了冗余字典构造和优化算法的运用,具有极高的理论意义,同时,单通道盲源分离广泛应用于现实生活中,对该问题的研究具有很大的实用价值。本文深入研究了语音信号稀疏表示理论以及现有的基于稀疏表示的单通道语音信号分离算法。在此基础上,分析了“交叉投影”问题产生的原因,提出了含公共子字典的联合字典构造方法,给出了基于该联合字典的混合语音分离算法。文章尝试了把深度学习技术引入到盲源分离问题当中,实现了基于深度神经网络的异性说话人双输出混合语音分离模型,取得了较好的分离效果。本文的主要研究内容和创新成果包括:(1)介绍了信号的稀疏表示理论,阐述了基于稀疏表示理论的单通道盲源分离算法的基本原理,详述了语音信号预处理的步骤,介绍了了衡量语音信号分离的评价指标。在这个基础上,文章进行了实验仿真,实现了基于稀疏表示的异性说话人混合语音分离。(2)提出了基于含公共子字典的联合字典的单通道盲源分离方法。文章对传统的基于稀疏表示的单通道盲源分离方法存在的“交叉投影”问题进行了探索性的研究,从理论和实验上验证了由于字典训练集之间存在相似成分,导致联合字典区分性较差,影响了分离效果。基于这一结论,文章提出了含公共子字典的联合字典构造方法,通过引入公共子字典使得源信号中相似的成分投影到公共子字典上,同时减小了字典间的干扰,克服了“交叉投影”问题。文章给出了基于含公共子字典的联合字典求解单通道盲源分离问题的详细算法。最后,进行了实验仿真,验证了这一新方法的有效性,并对实验结果的影响因素进行了分析。(3)提出了基于深度学习的异性说话人混合信号分离模型。为了进一步提高分离信号的质量,文章使用了当前非常热门的在语音信号处理领域应用很广泛的深度学习技术。系统的介绍了深度神经网络的理论知识,包括深度神经网络结构、网络的训练算法。搭建了基于深度神经网络的异性说话人双输出混合语音分离模型。通过实验验证了这一模型的有效性,并对实验结果影响因素进行了分析。(本文来源于《南京邮电大学》期刊2018-11-14）
李虎,徐岩[9]（2018）在《基于DSKSVD字典学习的语音信号欠定盲源分离算法》一文中研究指出为解决传统算法训练的字典规模受限且运算量大的缺点,提出一种基于字典学习的语音信号欠定盲源分离算法,通过双重稀疏字典训练方法训练可稀疏表示的冗余字典并对观测信号进行稀疏分解。分析欠定盲源分离和压缩感知(CS)问题的等价性,构建基于CS的欠定盲源分离模型,并应用正交匹配追踪算法对信号进行重构,实现语音信号欠定盲源分离。实验结果表明,与KSVD算法和在线字典学习算法相比,该算法在保证分离精度几乎不变的前提下,能降低字典构建的计算复杂度,提高信号稀疏表示的有效性,并减少重构算法的运行时间。(本文来源于《计算机工程》期刊2018年10期）
李虎[10]（2018）在《基于稀疏表示的语音信号盲源分离算法研究》一文中研究指出盲源分离是指源信号与混合矩阵先验知识均未知的情况下,从观测到的多个混合信号中提取、分离出感兴趣信号的过程。它作为一种功能强大的信号处理方法,其研究与应用在众多领域中都有着举足轻重的地位。随着盲源分离技术的快速发展,其在信号处理和神经网络等学科领域具有重要的研究价值和实用意义。欠定盲源分离技术是一种具有广泛性和挑战性的信号处理技术,在观测信号数量小于源信号数量的情况下,处理技术将面对更大的挑战,并且其分离技术还有待进一步的发展。本文主要研究线性瞬时混合模型下的欠定盲源分离技术,主要通过“两步法”的稀疏分量分析算法对欠定盲源分离问题进行研究,即首先进行混合矩阵的估计,然后根据源信号的先验知识训练过完备字典,获得源信号的稀疏表示,把压缩感知信号重构算法引入到欠定盲源分离中,实现语音信号的盲分离。本文的主要研究工作包含以下两方面的内容:(1)混合矩阵估计的精度直接影响源信号的分离效果。针对模糊C均值聚类算法过于依赖初始聚类中心,在混合矩阵估计中精度低、鲁棒性差的缺点。本文将遗传算法和模拟退火算法相结合,相互舍短取长,提出一种基于遗传模拟退火优化FCM(GASA-FCM)混合聚类和霍夫变换的混合矩阵估计算法。该算法首先结合了模拟退火算法全局搜索、高精度的优点和遗传算法强大的空间搜索能力,将经遗传模拟退火算法得到的聚类中心点赋给FCM,避免了初值选择的随机性。同时为了提升混合矩阵估计的精度,对聚类获得的每一类数据的中心引入霍夫变换进行校正。实验结果表明,该算法改善了算法的稳定性和混合矩阵估计精度,具有一定的有效性和可行性。(2)研究基于字典学习的语音信号盲源分离方法,首先采用双重稀疏字典训练算法(Double Sparsity KSVD,DSKSVD)训练可稀疏表示的冗余字典,在该冗余字典上对观测信号进行稀疏分解;然后分析欠定盲源分离和压缩感知问题的等价性,构建基于压缩感知的盲源分离模型,并应用正交匹配追踪算法对信号进行重构,实现语音信号的盲分离。DSKSVD算法在保证源信号分离精度几乎不变的条件下,降低了字典构建的计算复杂度,提高了信号稀疏表示的有效性,减少了重构算法的运行时间。大量实验表明,该算法训练字典的时间优于KSVD算法和在线字典学习算法,有效地提高了计算效率。(本文来源于《兰州交通大学》期刊2018-04-01）
语音信号分离论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
语音信号在非平稳系统中是动态混合的,为了实时抑制盲源分离过程中的非平稳混合扰动,加快收敛速度,减小稳态误差,提出了一种应用PID控制原理的自适应盲源分离算法。依据一种无预处理的自适应盲源分离算法建立PID控制模型,调节学习速率,跟踪语音信号的分离过程,实时减小由非平稳混合引入的分离误差,动态更新分离矩阵。在混合矩阵缓变和突变两种情形下分别对PID参数整定和语音信号的分离进行仿真分析,结合经典算法对比提出算法的性能。仿真与对比结果表明,提出的算法适用于非平稳混合系统语音信号的分离,算法性能较经典算法有改善。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语音信号分离论文参考文献
[1].曾庆源,谭万威,吴海英.混合语音信号的声源分离[J].信息与电脑(理论版).2019
[2].严发鑫,徐岩,汤旻安.PID控制原理在语音信号盲源分离中的应用[J].测控技术.2019
[3].邹彤,王英,董姝敏,隋鹏.混合语音信号的盲源分离技术研究[J].单片机与嵌入式系统应用.2019
[4].朱立娟,赵风海.一种改进的FastICA算法在语音信号盲源分离中的应用[J].电声技术.2019
[5].可杨,董小东,颜博.混合语音信号盲分离专利技术综述[J].中国科技信息.2019
[6].刘明珠.语音信号的卷积盲源分离算法研究[D].哈尔滨理工大学.2019
[7].刘晶.基于盲源分离和噪声抑制的语音信号识别[J].计算机测量与控制.2018
[8].赵城.基于稀疏表示和深度学习的单通道语音信号分离技术研究[D].南京邮电大学.2018
[9].李虎,徐岩.基于DSKSVD字典学习的语音信号欠定盲源分离算法[J].计算机工程.2018
[10].李虎.基于稀疏表示的语音信号盲源分离算法研究[D].兰州交通大学.2018