盲源分離文章進(jìn)入盲源分離技術(shù)社區(qū)

變步長(zhǎng)自適應(yīng)盲源分離算法的設(shè)計(jì)研究

盲信號(hào)由于不能被觀測(cè)和如何混合未知的特性，盲源分離的同時(shí)，還需兼顧收斂性能、跟蹤性能和穩(wěn)態(tài)性能之間的平衡，一定程度上影響盲信號(hào)處理技術(shù)的發(fā)展。通過(guò)分析盲源分離算法存在的問(wèn)題和影響因素，提出高效變步長(zhǎng)自適應(yīng)盲源分離算法的設(shè)計(jì)思路。
關(guān)鍵字： 202306 盲源分離算法自適應(yīng)步長(zhǎng) 收斂穩(wěn)態(tài)失調(diào)

在信號(hào)處理領(lǐng)域，室內(nèi)環(huán)境下的混響語(yǔ)音盲分離一直以來(lái)都是一個(gè)重點(diǎn)與難點(diǎn)，主要是由于混合系統(tǒng)存在的混響和回聲嚴(yán)重影響了語(yǔ)音質(zhì)量，從而降低了算法分離效果。因此，本文提出了一個(gè)應(yīng)對(duì)算法，由麥克風(fēng)采集到室內(nèi)混響語(yǔ)音混合信號(hào)后，對(duì)該混合信號(hào)進(jìn)行兩階段去混響處理：首先通過(guò)設(shè)計(jì)一個(gè)逆濾波器來(lái)抑制早期混響或增大信號(hào)混響能量比，再采用譜減法來(lái)消除回聲；然后將處理過(guò)的時(shí)域卷積混合語(yǔ)音信號(hào)通過(guò)短時(shí)傅里葉變換轉(zhuǎn)化為頻域各個(gè)頻點(diǎn)的瞬時(shí)混合形式，用IVA算法分離混合語(yǔ)音信號(hào)，最終恢復(fù)為時(shí)域語(yǔ)音信號(hào)。實(shí)驗(yàn)表明，該方法可以有效提高室內(nèi)混響
關(guān)鍵字： 202104 去混響盲源分離頻域分離時(shí)域卷積

盲源分離是指在信號(hào)的理論模型和源信號(hào)無(wú)法精確獲知的情況下,如何從混迭信號(hào)(觀測(cè)信號(hào))中分離出各源信號(hào)的 ...
關(guān)鍵字：盲源分離轉(zhuǎn)子振動(dòng)

本文從盲信號(hào)分離的基本假設(shè)出發(fā)，研究了通信偵查中雙通道盲信號(hào)個(gè)數(shù)的估計(jì)方法，通過(guò)借鑒陣列信號(hào)處理理論，證明了欠定條件下高階累積量?jī)?yōu)化流程可以應(yīng)用在信源數(shù)目估計(jì)的問(wèn)題，并分別討論了信噪比和采樣點(diǎn)數(shù)這兩個(gè)參數(shù)的變化對(duì)優(yōu)化后算法性能的影響。結(jié)果表明，在不同的信號(hào)混合情況下，信源算法估計(jì)的性能會(huì)不同，因?yàn)槭苄旁茨Ｐ?、傳播環(huán)境等多個(gè)因素的影響，會(huì)造成性能下降。有關(guān)信號(hào)模型的多樣性和信源估計(jì)算法的局限性及更多數(shù)目的情況還有待深入研究，解決方法在后續(xù)的修正算法中探討解決。
關(guān)鍵字：高階累積量盲源分離信源

共4條 1/1 1

您好，目前還沒(méi)有人創(chuàng)建詞條盲源分離!
歡迎您創(chuàng)建該詞條，闡述對(duì)盲源分離的理解，并與今后在此搜索盲源分離的朋友們分享。創(chuàng)建詞條