1、学 号： 0121209320323课 程 设 计题 目 语音信号的盲分离学 院 信息工程学院专 业 通信工程班 级姓 名指导教师2015 年 7 月 1 日课程设计任务书学生姓名： 专业班级： 指导教师 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，计算机，信息处理相关知识要求完成的主要任务: （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
2、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。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： 2015 年 6 月 10 日系主任（或责任教师）签名： 2015 年 6 月 10 日武汉理工大学信息处理课群综合训练与设计报告目 录摘要 .1Abstract .21 绪论 .32 盲信号处理 BSP.42.1 盲信号处理 .42.2 盲分离处理 .42.3
3、 Matlab 语音信号的采集 .52.3.1 语音信号的采集方法 .52.3.2 三路语音信号的采集 .62.4 盲信号分离的两种算法介绍 .72.4.1 PCA 算法原理 .72.4.2 独立分量分析 ICA.83 语音信号的分离方案设计 .93.1 FAST-ICA 算法分离 .93.1.1 基于负熵最大的快速 ICA.93.2 主分量分析 PCA .133.2.1 主 成 分 分 析 原 理 .133.2.2 PCA 算法原理 .143.3 主分量分析 PCA 和 ICA 比较 .144 语音信号的分离方案实现 .164.1 语音信号的混合 .164.2 语音信号的分离实现 .174.
4、2.1 FAST-ICA 算法分离 .174.2.2 主分量分析算法分离 .184.2.3 分离语音频谱分析及比较 .185 总结 .20武汉理工大学信息处理课群综合训练与设计报告参考文献 .21附录 原始语音 Matlab 信号频谱程序 .22附录 2 预处理部分 matlab 程序 .27附录 3 算法的 matlab 程序 .29（1）FAST-ICA 算法 .29（2）PCA 算法分离 .31武汉理工大学信息处理课群综合训练与设计报告1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
5、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 技术武汉理工大学信息处理课群综合训练与设计报告2AbstractUnderstanding the concept o
6、f 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,
7、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
8、 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
9、 compared.Keywords: blind signal processing speech signals blind source separation BSS independent component analysis ICA technology武汉理工大学信息处理课群综合训练与设计报告31 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
10、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：
11、（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，将前后信武汉理工大学信息处理课群综合训练与设计报告4号进行对比，了解了
12、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 2-1 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 2-1）y(t)=
13、Wx(t) （公式 2-2）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 mn 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：武汉理工大学信息处理课群综合训练与设计报告5y(t)=PDs(t) （公式 2-3）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
14、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 2-2 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
15、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，默认武汉理工大学信息处理课群综合训练与设计报告6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）
16、，double、single 或 int16、uint8。运用 audiorecorder 对象采集语音信号 audiorecorder（fs ，nbits ，ch ）可以创设一个 audiorecorder 对象。fs 是样本采集频率，为8000Hz、11025Hz、22050Hz 和 44100Hz 之一，默认值为 8000Hz；nbits 是每个样本的位数，8 位或 16 位，默认值为 8 位；ch：样本采集通道，1 为单声道，2 为双声道，默认值为 1（单声道） ；audiorecorder 对象创设后，就可以进行相应的录音、暂停、停止、播放以及数据读取等操作。 2.3.2 三路语音信
17、号的采集这次设计用 Matlab 程序采集三路语音信号，基本步骤如下：创建工程文件-编写程序 -调试-运行-录音，程序如下。在干扰噪声很小的环境下用麦克风录制进行 3 段不同的语音文件，保存成*.wav 文件。为了便于语音信号的盲分离要将这 3 段语音用软件进行处理使其文件大小一样，仿真时所用的 3 段语音是1，2, ，3，时间是 5 秒，单通道。clc; fs=8000;channel=1;t=5;fprintf(按任意键后开始 %d 秒录音：,t); Pause；fprintf(录音中 .);%文字提示y=wavrecord(t*fs, fs,channel,double);%录制语音信号fprintf(录音结束 n);%文字提示wavwrite(y,fs,D:DocumentsDesktopgequ3.wav); %存储录音信号，先创建文件在 matlab 中对上述语音信号进行分析，接 下来对 3 段语音信号进行的时域分析、频谱分析。
