一种基于欠定卷积混叠模型的稀疏盲分离方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110956978A(43)申请公布日2020.04.03(21)申请号201911135757.0(22)申请日2019.11.19(71)申请人广东工业大学地址510060广东省广州市越秀区东风东路729号(72)发明人解元谢胜利谢侃杨俊杰(74)专利代理机构广州粤高专利商标代理有限公司44102代理人林丽明(51)Int.Cl.G10L21/0272(2013.01)权利要求书1页说明书5页附图2页(54)发明名称一种基于欠定卷积混叠模型的稀疏盲分离方法(57)摘要本发明涉及信号处理技术领域，提出一种基于欠定卷积混叠模型的稀疏盲分离方法，包括以下步骤：获取欠定混叠语音信号；对所述欠定混叠语音信号进行短时傅里叶变换，得到频域上的稀疏混叠信号；对所述频域上的稀疏混叠信号进行数学建模，得到欠定卷积混叠模型；在所述欠定卷积混叠模型下建立稀疏代价函数，利用盲分离技术对混叠通道进行实时更新，得到估计的源信号；对所述估计的源信号进行尺度和排序处理，再利用傅里叶变换的逆运算得到时域上的完成分离的源信号。本发明利用源信号的稀疏约束以及欠定卷积混叠模型的构造，在处理真实环境下的高混响混叠信号具有更明显的优势。CN110956978ACN110956978A权利要求书1/1页1.一种基于欠定卷积混叠模型的稀疏盲分离方法，包括以下步骤：S1：获取欠定混叠语音信号；S2：对所述欠定混叠语音信号进行短时傅里叶变换，得到频域上的稀疏混叠信号；S3：对所述频域上的稀疏混叠信号进行数学建模，得到欠定卷积混叠模型；S4：在所述欠定卷积混叠模型下建立稀疏代价函数，利用盲分离技术对混叠通道进行实时更新，得到估计的源信号；S5：对所述估计的源信号进行尺度和排序处理，再利用傅里叶变换的逆运算得到时域上的完成分离的源信号。2.根据权利要求1所述的基于欠定卷积混叠模型的稀疏盲分离方法，其特征在于：所述S1步骤中，采用在高混响的环境下，同时播放N组语音源信号，利用M个麦克风进行接收，获取欠定混叠语音信号，其中，N、M为正整数，且N>M。3.根据权利要求2所述的基于欠定卷积混叠模型的稀疏盲分离方法，其特征在于：所述S3步骤中，所述欠定卷积混叠模型的表达公式如下：T其中，N为源信号个数，L为卷积核的长度；hn＝[h1n,h2n,...,hMn]表示第n个源信号在时频域上的脉冲响应；对于每个频点，利用矩阵的表示形式如下：Xf＝Hf*Sf+Nf其中，*表示卷积过程，表示卷积混叠系统，Sf表示源信号，Nf表示近似误差。4.根据权利要求3所述的基于欠定卷积混叠模型的稀疏盲分离方法，其特征在于：所述S4步骤中，所述稀疏代价函数的公式如下：其中，||·||F表示Frobenius范数；p为常数，且0<p≤1；λ为可调节的参数。5.根据权利要求4所述的基于欠定卷积混叠模型的稀疏盲分离方法，其特征在于：所述S4步骤中，利用临近算子得到估计的源信号其计算公式如下：+其中，(Si)＝max(0,Si)。6.根据权利要求5所述的基于欠定卷积混叠模型的稀疏盲分离方法，其特征在于：所述S5步骤中，对所述估计的源信号采用混叠阵矩阵进行列的标准化进行尺度处理，对所述估计的源信号采用方向到达角技术进行排序处理。2CN110956978A说明书1/5页一种基于欠定卷积混叠模型的稀疏盲分离方法技术领域[0001]本发明涉及信号处理技术领域，更具体地，涉及一种基于欠定卷积混叠模型的稀疏盲分离方法。背景技术[0002]盲源分离(Blindsourceseparation,BSS)是在混叠信道未知的情况下，仅仅从观测到的混叠信号中分离源信号。特别的，欠定的盲源分离问题引起了越来越多的关注，如何在源信号数目大于传感器的数目下的混叠信号中有效地分离源信号是一个极具挑战性的问题。[0003]目前，在解决卷积混叠盲分离问题上，主要采用独立元分析方法在假设源信号之间是相互独立的条件下，进行源信号的盲分离。然而，独立元分析在处理欠定的卷积混叠盲分离问题上有一定的局限性，因为独立元分析只能处理过定的或者正定的情形，即源信号数目小于或等于传感器的数目。为了解决欠定的情况，一般结合稀疏元分析理论对源信号进行盲分离，其中，稀疏元分析理论是假设源信号满足一定的稀疏性，即假设在每个频点上只有唯一的源信号是活跃的，其他的等于零或者接近于零。然而，时域上的信号并不具有很好的稀疏性。为了满足稀疏性的假设，常规的方法是利用短时傅里叶变换，把时域信号转换到频域上进行处理。但是，在源信号恢复阶段容易导致排序歧义性问题和尺度不确定问题，从而对盲分离结果带来了严重的影响。另外，由于混响时间过长还会导致混叠过程更加复杂，已有的多数卷积盲分离算法只能解决低混响的混叠信号，但无法解决