欠定情形下语音信号盲分离的时域检索平均法

被引:21
作者
肖明
谢胜利
傅予力
机构
[1] 华南理工大学电子与信息学院
基金
广东省自然科学基金;
关键词
欠定盲信号分离; 稀疏表示; 时域检索平均法; 超完备独立分量分析;
D O I
暂无
中图分类号
TN912.3 [语音信号处理];
学科分类号
081002 [信号与信息处理];
摘要
探讨欠定情形(即观察信号的个数少于源信号个数)下的盲信号分离,提出一种新的方法,即时域检索平均法(SAMTD),该方法可解决目前在频域中难以处理的一类问题,它利用一类语音信号在时域中的稀疏持续性,回避像K均值聚类或势函数等常用统计聚类方法.为估计混叠矩阵,它剔除那些不与基矢量共向或反向的数据样本,以提高其估计的准确性.在源信号的恢复上,提出了一个超完备线性几何ICA改进算法.几个语音信号实验的仿真数据展示了所提方法的性能和实用性.
引用
收藏
页码:1564 / 1575
页数:12
相关论文
共 3 条
[1]
Analysis of Sparse Representation and Blind Source Separation[J] Yuanqing Li;Andrzej Cichocki;Shun-ichi Amari Neural Computation 2004,
[2]
Underdetermined blind source separation using sparse representations[J] Pau Bofill;Michael Zibulevsky Signal Processing 2001,
[3]
Blind Source Separation by Sparse Decomposition in a Signal Dictionary[J] Michael Zibulevsky;Barak A. Pearlmutter Neural Computation 2001,