1、在語音信號處理領(lǐng)域中,將各個語音源信號從多個說話者的混合語音信號中分離出來,成為一個研究熱點(diǎn)和難點(diǎn),語音信號處理中的重要的研究方向,對語音識別、語音增強(qiáng)等都有著非常積極的作用。
　　盲源分離(Blind source separation,BSS),指的是在源信號和傳輸信道參數(shù)未知時,僅由觀測到的信號求出源信號的過程。
　　在現(xiàn)今大多數(shù)的研究中,語音盲分離算法嚴(yán)格要求觀測信號的數(shù)目大于或等于源信號的數(shù)目。然而,在實際情況中,

2、經(jīng)常會出現(xiàn)欠定情況,即觀測信號的數(shù)目會小于源信號的數(shù)目的情況。在實際情況中還必須考慮到環(huán)境因素對信號傳播的影響,會產(chǎn)生延遲效應(yīng),用數(shù)學(xué)的表示方法便是卷積的形式。因此,尋找高效的欠定卷積混合語音盲分離的方法具有非常重大的實際意義和價值。
　　本論文針對欠定卷積混合語音的盲分離方法進(jìn)行了研究:
　　(1)基于快速獨(dú)立分量分析和自適應(yīng)非線性二元時頻掩蔽的語音盲分離方法。對輸入的混合語音信號進(jìn)行快速獨(dú)立分量分析,將結(jié)果進(jìn)行自適應(yīng)非線

3、性二元時頻掩蔽;重復(fù)進(jìn)行這兩步處理,直到分離出所有的語音源信號。將分離出的語音源信號,再通過二元時頻掩蔽合并可提高輸出的質(zhì)量,分離出的語音信號仍然能保留雙聲道立體聲的效果。實驗表明,該方法的性能大大優(yōu)于DUET方法和BLUES方法,信噪比增益大幅提高。
　　(2)基于非負(fù)矩陣分解(NMF)的語音盲分離方法。本方法使用高斯分量對源信號的短時傅里葉變換(STFT)進(jìn)行表示,高斯分量由基于板倉-齋藤(Itakura-Saito(IS))

4、散度的非負(fù)矩陣分解的因子所組成。使用極大期望值算法(EM)求解參數(shù),并對信號進(jìn)行重組。本方法被應(yīng)用到雙聲道立體聲信號的盲分離實驗,實驗結(jié)果表明了該方法的有效性。
　　(3)基于快速相對牛頓法和乘子平滑技術(shù)的語音盲分離。該方法運(yùn)用語音信號的稀疏性和語音信號之間相互獨(dú)立的特性,使用快速相對牛頓法,使得在牛頓法中,求海森陣的步驟大為簡化,大大提高了運(yùn)算速度。將乘子平滑技術(shù)運(yùn)用到包含拉格朗日乘子的最大類型函數(shù)的平滑近似式中,獲得了一個擴(kuò)展