信息处理课群综合训练与设计

课程设计题目信息处理课群综合训练与设计—语音信号的盲分离学院信息工程学院专业通信工程班级通信1104姓名指导教师周建新2014 年 6 月20 日《信息处理课群综合训练与设计》任务书学生姓名：专业班级：通信1104 指导教师：周建新工作单位：信息工程学院题目: 语音信号的盲分离初始条件：Matlab软件、信号与系统、通信处理等要求完成的主要任务:设计任务根据盲信号分离原理，用matlab采集两路以上的语音信号，选择合适的混合矩阵生成若干混合信号。

选取合适的盲信号分离算法（如独立成分分析ICA等）进行训练学习，求出分离矩阵和分离后的语音信号。

设计要求（1）用matlab做出采样之后语音信号的时域和频域波形图（2）选择合适的混合矩阵，得到混合信号，并做出其时域波形和频谱图（3）采用混合声音信号进行训练学习，求出分离矩阵，编写出相应的确matlab 代码。

（4）用求出的分离矩阵从混合信号中分离出原语音信号，并画出各分离信号的时域波形和频谱图。

（5）对结果进行对比分析。

参考书：[1] 马建仓，牛奕龙，陈海洋.盲信号处理. 国防工业出版社, 2006.6[2] 赵艳.盲源分离与盲信号提取问题研究. 西安理工大学.2004.3[3] 马建芬.语音信号分离与增强算法的研究.电子工业出版社.2012.3时间安排：1、理论讲解，老师布置课程设计题目，学生根据选题开始查找资料；2、课程设计时间为2周。

（1）理解相关技术原理，确定技术方案，时间2天；（2）选择仿真工具，进行仿真设计与分析，时间6天；（3）总结结果，完成课程设计报告，时间2天。

指导教师签名： 2014年 6月10日系主任（或责任教师）签名：年月日目录摘要 (I)Abstract (II)1 绪论 (1)2 盲信号处理BSP (2)2.1 盲信号处理 (2)2.2 盲分离处理 (2)2.3 Matlab语音信号的采集 (3)2.3.1 语音信号的采集方法 (3)2.3.2三路语音信号的采集 (4)2.4盲信号分离的两种算法介绍 (4)2.4.1 PCA算法原理 (4)2.4.2独立分量分析ICA (5)3 语音信号的分离方案设计 (6)3.1 FAST-ICA算法分离 (6)3.1.1基于负熵最大的快速ICA (6)3.2 主分量分析PCA (9)3.2.1 主成分分析原理 (9)3.2.2 PCA算法原理 (10)3.3 主分量分析PCA和ICA比较 (11)4 语音信号的分离方案实现 (12)4.1 语音信号的混合 (12)4.2 语音信号的分离实现 (13)4.2.1 FAST-ICA算法分离 (13)4.2.2 主分量分析算法分离 (14)4.2.3 分离语音频谱分析及比较 (15)5 总结 (18)参考文献 (19)附录1 原始语音Matlab信号频谱程序 (20)附录2 预处理部分matlab程序 (21)附录3 算法的matlab程序 (23)（1）FAST-ICA算法 (23)（2）PCA算法分离 (24)摘要了解盲信号处理（Blind Signal Processing,BSP）的概念，并掌握语音盲分离技术和Matlab的运用。

本文重点研究了以语音信号为背景的盲处理方法，从混有噪声的的混叠语音信号中分离出各个语音源信号，来模仿人类的语音分离能力。

本设计用matlab 采集3路语音信号，选择合适的混合矩阵生成若干混合信号。

结合独立分量分析ICA技术，选取混合矩阵对3个语音信号进行混合，并从混合信号中分离出原语音信号，画出各分离信号的时域波形和频谱图和原来的信号进行比较。

此外还运用PCA算法进行了混合语音信号的分离实现，最终对两种算法进行比较。

关键字：盲信号处理语音信号盲源分离BSS 独立分量分析ICA技术AbstractUnderstanding the concept of blind signal processing (Blind Signal Processing, BSP), and master the voice of blind separation technology and the use of Matlab.This paper focuses on the background to the speech signal blind approach, mixed with the noise from the speech signal aliasing isolated individual voice source signal, to mimic the human voice separation ability. The 3-way design with matlab voice signal acquisition, select the appropriate mixing matrix to generate a number of mixed signals.ICA technology combined with independent component analysis to select the mixing matrix for three voice signals are mixed and separated from the mixed signals out of the original speech signal, draw each separated signal time-domain waveform and frequency spectrum and compare the original signal. In addition, the use of PCA algorithm to achieve the separation of mixed speech signals, and ultimately the two algorithms were compared.Keywords: blind signal processing speech signals blind source separation BSS independent component analysis ICA technology1 绪论近年来，盲信号处理逐渐成为当今信息处理领域中热门的课题之一，并且已经在尤其在、地震探测、移动通信、语音处理、阵列信号处理及生物医学工程领域展现出诱人的应用前景。

盲处理应用中的三个主要方面：语音处理，图片处理，生物医信号处理。

本文主要学习的是语音的处理。

语音信号分离、语音识别是盲处理应用的一个重要领域。

也是本文学习研究的重点。

最典型的应用就是声控计机，计算机所接受到的语音指令肯定是带有各种环境噪声的，还可能存在其他的语音信号（如有其他人说话），而且这些信号源与接收器的相对位置也未知，计算机需要在这种情况下识别出正确的语音命令。

此次实践主要目的在掌握matlab对语音的采集，了解盲处理的相关知识，掌握盲分离的原理，从而确定盲分离的方法，根据盲信号分离原理，用matlab 采集两路以上的语音信号，选择合适的混合矩阵生成若干混合信号。

选取合适的盲信号分离算法（如独立成分分析ICA等）进行训练学习，求出分离矩阵和分离后的语音信号。

为达到良好的学习效果，此次实践有如下要求：（1）用matlab做出采样之后语音信号的时域和频域波形图（2）选择合适的混合矩阵，得到混合信号，并做出其时域波形和频谱图（3）采用混合声音信号进行训练学习，求出分离矩阵，编写出相应的matlab代码。

（4）用求出的分离矩阵从混合信号中分离出原语音信号，并画出各分离信号的时域波形和频谱图。

（5）对结果进行对比分析。

通过此次实践，加深的对Matlab功能的认识，掌握了Matlab对语音信号的采集及处理，了解了盲分离的原理及运用，运用了合适的矩阵得到了混合信号，减少了计算量，同时达到了将得到的混合信号分离的目的，将前后信号进行对比，了解了Matlab的处理效率。

2 盲信号处理BSP2.1 盲信号处理盲信号处理作为计算机智能学的核心研究的内容，在生物医学、医疗图像、图像增强、远程传感、雷达与通信系统、地震勘测等方面均具有突出的作用。

盲处理的工作原理框图如图1-1所示：图2-1 盲处理的工作原理框图其中,s(k)是未知源的信号向量，x(k)是混合信号向量（或观测信号、传感器检测信号），n(k)是噪声信号向量，混合信号向量经过分离系统可以得到分离的信号，可与原信号比较。

2.2 盲分离处理盲分离的算法比较多，此次选择较为简单的瞬时线性混叠盲分离，瞬时线性混叠数学模型如下：x(t)=As(t) （公式1-1）y(t)=Wx(t) （公式1-2）其中(1)式为混叠模型，(2)式为分离模型；s(t)=(s1(t),s2(t),…，Sn(t))T 为源信号未知的m×n的混叠矩阵，源信号s(t)也是未知的，W为分离矩阵。

瞬时线性混叠盲分离的目的就是通过调节分离矩阵W（或混叠矩阵A），使得分离信号与对应的源信号的波形保持一致，即：y(t)=PDs(t) （公式1-3）其中P为置换矩阵，D为对角矩阵。

y(t)是对源信号s(t)的估计，瞬时线性混叠盲分离问题允许存在两个方面的不确定性：（1）排列顺序的不确定性，无法了解所抽取的信号应是源信号s(t)为哪一个分量.（2）信号幅度的不确定性，即无法知道源信号的真实幅值。

瞬时线性盲分离实现的数学模型如图1-2所示，其中LA表示学习算法（LearningAlgorithm）。

图2-2 瞬时线性盲分离实现的数学模型图2.3 Matlab语音信号的采集2.3.1 语音信号的采集方法在Matlab环境中,主要可以通过以下几种方法驱动声卡，采集语音信号:1.将声卡作为对象处理采集语音信号Matlab将声卡作为对象处理,其后的一切操作都不与硬件直接相关,而是通过对该对象的操作来作用于硬件设备（声卡）。

操作时首先要对声卡产生一个模拟输入对象,给对象添加一个通道设置采样频率后,就可以启动设备对象,开始采集数据,采集完成后停止对象并删除对象。

2.调用wavrecord功能函数采集语音信号。

wavrecord功能函数只适用windows95/98/N平台，它使用windows声音输入设备录制声音。

函数调用方式：wavrecord（N，fs，ch，nbits），其中N采集的样本数据量，fs是样本采集频率有8000Hz、11025Hz、22050Hz和44100Hz几个选项，默认值为11025Hz；ch是样本采集通道，1为单声道，2为双声道，默认值为单声道；nbits是每个样本的位数（或称解析度），double、single或int16、uint8。