1、樂(lè)音信號(hào)作為一類(lèi)隨機(jī)信號(hào)被人們熟知，其概率密度函數(shù)全面描述了樂(lè)音信號(hào)的統(tǒng)計(jì)特性，是樂(lè)音信號(hào)處理的理論基礎(chǔ)和分析工具，其應(yīng)用涉及樂(lè)音信號(hào)檢測(cè)、識(shí)別、分離、分類(lèi)和特征提取等領(lǐng)域。本文用廣義高斯分布(GeneralizedGaussian Distribution，GGD)對(duì)樂(lè)音信號(hào)的概率密度建模，并圍繞廣義高斯分布在樂(lè)音盲分離的應(yīng)用展開(kāi)研究，包括以下幾方面內(nèi)容:
　　 1.較深入地研究了樂(lè)音信號(hào)概率密度估計(jì)問(wèn)題。鑒于廣義高斯分布在語(yǔ)

2、音概率模型中的理論基礎(chǔ)，統(tǒng)計(jì)不同信源不同時(shí)長(zhǎng)的時(shí)域樂(lè)音信號(hào)，以及STFT每個(gè)頻帶處時(shí)變成分的頻率直方圖。通過(guò)觀察樂(lè)音信號(hào)直方圖的形態(tài)變化，本文選擇廣義高斯分布對(duì)樂(lè)音信號(hào)的概率密度建模。
　　 2.考察廣義高斯分布在時(shí)域樂(lè)音盲分離中的應(yīng)用，將廣義高斯分布用于時(shí)域樂(lè)音信號(hào)概率密度函數(shù)建模，給出一種基于GGD盲分離算法的確定形狀參數(shù)的方式，稱(chēng)為基于GGD的動(dòng)態(tài)參數(shù)估計(jì)，用于解決多通道樂(lè)音盲分離問(wèn)題。為了加快收斂速度，將降采樣處理加入動(dòng)

3、態(tài)參數(shù)估計(jì)ICA算法中，從而減少CPU運(yùn)行時(shí)間。仿真實(shí)驗(yàn)表明基于GGD的動(dòng)態(tài)參數(shù)估計(jì)ICA具有優(yōu)良的性能，以及對(duì)同系混合樂(lè)音源和雜系混合樂(lè)音源的普適性。同時(shí)，用廣義高斯分布對(duì)樂(lè)音信號(hào)時(shí)域基函數(shù)對(duì)應(yīng)投影系數(shù)的概率密度函數(shù)進(jìn)行建模，驗(yàn)證了基于時(shí)域基函數(shù)的單通道樂(lè)音盲分離的有效性。
　　 3.考察廣義高斯分布在頻域樂(lè)音盲分離中的應(yīng)用，用廣義高斯分布對(duì)STFT每個(gè)頻帶處時(shí)變成分的概率密度函數(shù)建模，解決頻域內(nèi)卷積混合樂(lè)音盲分離問(wèn)題。為了更