课程设计任务书学生： 专业班级：通信1103指导教师： 许建霞 工作单位： 信息学院 题 目: 语音信号的盲别离初始条件：Matlab软件、PC机要求完成的主要任务: 包括课程设计工作量与其技术要求，以与说明书撰写等具体要求设计任务根据盲信号别离原理，用matlab采集两路以上的语音信号，选择适宜的混合矩阵生成假设干混合信号。选取适宜的盲信号别离算法如独立成分分析ICA等进展训练学习，求出别离矩阵和别离后的语音信号。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)选择适宜的混合矩阵，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展训练学习，求出别离矩阵，编写出相应确实matlab代码。(4)用求出的别离矩阵从混合信号中别离出原语音信号，并画出各别离信号的时域波形和频谱图。(5)对结果进展比照分析。时间安排：序号设 计 容所 用 时 间1根据课题的技术指标，确定整体方案，并进展参数设计计算2天2根据实验条件进展全部或局部程序的编写与调试，并完成根本功能7天3总结编写课程设计报告1天合 计2周指导教师签名： 2014年 6 月 10 日系主任或责任教师签名： 2014 年 6 月 10 日 / 摘 要盲信号处理Blind Signal Processing,BSP是指从观测到的混合信号中，在没有任何先验条件的情况下，恢复出未知的源信号过程。盲信号别离已成为信号处理学界和通信工程学界共同感兴趣的一个极富挑战性的研究热点问题，并获得了迅速的开展。盲别离根据信号源的不同可以分为确定信号盲别离、语音信号盲别离和图像盲别离等，本设计主要讨论语音信号的盲别离。语音信号的盲别离主要是利用盲源别离Blind Signal Separation,BSS技术对麦克风检测到的一段语音信号进展处理，本文重点研究了以语音信号为背景的盲处理方法，在语音和听觉信号处理领域中，如何从混有噪声的的混叠语音信号中别离出各个语音源信号，来模仿人类的语音别离能力，成为一个重要的研究问题。根据盲信号别离原理，本设计用matlab采集3路语音信号，选择适宜的混合矩阵生成假设干混合信号。具体实现主要结合独立分量分析ICA技术，选取混合矩阵对3个语音信号进展混合，并从混合信号中别离出原语音信号，最后画出各别离信号的时域波形和频谱图和原来的信号进展比拟。此外还运用PCA算法进展了混合语音信号的别离实现，最终对两种算法进展比拟。关键字：盲信号处理；语音信号；盲源别离BSS；独立分量分析ICA技术AbstractBlind Signal Processing (Blind Signal Processing, BSP) from the observed mixed-signal, to recover the unknown source signal process without any prior conditions. Blind signal separation has bee a signal processing academia and munication engineering munities of mon interest a challenging research focus and rapid development.Blind source separation based on the signal source can be divided to determine the blind signal separation, blind separation of speech signals and Blind Image Separation, the design focuses on the blind separation of speech signal.Blind separation of speech signal using blind source separation (Blind the Signal Separation, BSS) detected by the microphone a voice signal processing, the paper focuses on the blind approach to speech signal as the background in voice and acoustic signal processing in the field, how isolated from a mixture of noise aliasing voice signal voice source signal to mimic the human voice separation ability, bee an important research question. Blind signal separation principle, the design collection of three-way voice signal using matlab, select the appropriate mixing matrix to generate a number of mixed-signal.Concrete realization of the bination of independent ponent analysis ICA technology, select the mixing matrix of three speech signals mixed and separated from the mixed signal to the original speech signal, and finally draw the separation of signals in time domain waveform and frequency spectrum and the original signal . In addition, use of the PCA algorithm for the separation of mixed speech signals to achieve the final two algorithms.Keywords: blind signal processing；speech signal ； blind source separation BSS independent ； ponent analysis ICA technology 目录 摘要Abstract摘 要2Abstract31盲信号处理BSP2234561.3.1 语音处理领域61.3.2 图像处理领域71.3.3 生物医信号处理学领域72 Matlab语音信号的采集99101010113盲信号别离的两种算法介绍133.1 独立分量分析ICA133.1.1 Fast-ICA算法简介143.1.2 基于负熵最大的快速ICA143.2 主分量分析PCA173.2.1 主成分分析原理173.2.2 PCA算法原理183.3 主分量分析PCA和ICA194语音信号的盲别离实现204.1 语音信号的混合204.2 语音信号的别离实现214.2.1 FAST-ICA算法别离214.2.2 主分量分析算法别离224.2.3 别离语音频谱分析234.2.4 FAST-ICA和PCA别离比拟255总结26参考文献27附录1 原始语音的时频matlab程序28附录2 预处理局部matlab程序29附录3 算法的matlab程序30附录4 录音的matlab程序331盲信号处理BSP 盲信号处理作为计算机智能学的核心研究的容，是20世纪最后的10年迅速开展起来的一个新的研究领域，没事人工神经网络、统计信号处理、信息理论结合的产物，已经成为一些领域研究与开展的重要课题，特别是在生物医学、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。 在现实生活中与自然界中存在大量的信息，人们通过传感器检测获取含有信息的数据或信号，并处理这些数据来获取相应的信息，这信息进一步加红来获得知识和改造自然的能力。然而，传感器检测往往是多个成分包括噪声、无用的信号混合在一起的信号，而且是未知的，又由于信号传输信道的特性复杂未知，给信号处理带来了很大的困难。 虽然各种信号处理的方法，如滤波器、时频分析、小波理论神经网络信号处理等，二盲信号处理 (Blind Signal Processing, BSP)与传统的信号处理方完全不同，它是对源信号和传输通道几乎没有可利用的信息的情况下，仅从观测的混合信号中提取或恢复出源信号的一种处理方法。盲处理的工作原理框图如图1-1所示：混合矩阵H别离系统W源向量噪声向量观测向量输出向量图1-1 盲处理的工作原理框图其中,是未知源的信号向量，是混合信号向量或观测信号、传感器检测信号，是噪声信号向量，混合信号向量经过别离系统可以得到别离的信号，可与原信号比拟。在图1-1中，源信号的个数、有用源信号的分量和无用信号的分量、源信号的特性、源信号的传输混合通道特性、噪声特性都是未知的，观测信号是传感器检测信号，被认为是量，中含有未知源信号和未知混合系统的特性。处理具有盲信号特性的信号，以估计出盲信号或辨识相互混合系统特性就是盲信号要处理的任务。有上述的简述可知，盲信号处理的实质与主要的任务就是对于未知的混合系统在其输入信号完全未知或者仅有少量的先验知识情况下，仅有系统的输出信号即混合信号来重构输入信号。顺便指出，盲处理前的信号预处理常常很重要，这些预处理包括去均值、幅值归一化或单位化、限制带宽、信号分解、白化解相关与主分量提取等。另外，盲别离的算法的计算量通常很大，常常限制了实时实现，提高算法效率和高速的硬件是有效的技术途径。盲号理中，就源信号经过传输通道的混合方式而言，其处理的方法可以分为线性瞬时混合信号的盲处理、线性卷积混合信号的盲处理和非线性混合信号盲处理三类；根据通道的传输特性中是否含有噪声、噪声特性、噪声混合形式、可以分为有噪声、无噪声，盲处理，含加性噪声和乘性噪声和乘性噪声混合信号盲处理等。目前，盲信号的别离算法大局部集中在针对加性白噪声或有色高斯噪声等，含噪声的盲处理算法通常称为文件算法。盲处理的目的可以分为盲辨识和盲源别离两大类。盲辨识的目的就是求得传输混合矩阵。盲源别离的目的是求得源信号的最优估计。当盲源别离各分量相互独立时，就成为独立分量分析，即独立分量分析是盲源别离的一种特殊情况。当盲源别离是逐个别离并紧缩实现时称为盲抽取。盲处理的方法大局部是依据一定的理论构造目标函数的无监视学习方法。盲处理采用的目标函数主要是负熵、高斯累积量、互信息量、最大似然估计等。确定了目标之后就要用一定的算法寻优处理，实现算法的主要是各种自适应的优化算法。 下面简介盲辨识BI、盲源别离、独立分量分析ICA的概念。 盲辨识：盲辨识是针对输入信号传输通道混合特性辨识问题提出的。盲辨识