基于ICA算法进行混叠语音分离研究

苏州大学 应用技术学院 07电子 班级（学号0716408016） 张燕

【摘要】：语音信号是一种特征时变信号, 基音频率提取和语音增强是两种常见语音处理要求。独立分量分析( ICA) 是一种盲信号处理方法, 目的在于将混合在观察信号中的相互独立的源信号分离出来, ICA 在很多领域都有广泛的应用, 在语音信号上最为成功,。

本文中,我们尝试ICA 在混合声音信号分离方面的应用研究. 本文主要是利用ICA算法进行混叠语音分离研究：首先将四段语音信号进行混叠，然后通过ICA分离算法进行混叠语音分离，得出混合矩阵和分离矩阵，并且进行听觉评价。 文中我们将详细地讨论其基本思想并给出实验结果.

【关键词】：混叠语音；分离；盲源分离；独立分量分析

语音分离问题源于著名的“鸡尾酒会效应”，即在复杂的混合声音中，人类能有效地选择并跟踪某一说话人的声音。语音分离的研究在语音通信、声音信号增强等方面有着重要的理论意义和实用价值。目前，这方面的研究主要有听觉场景分析和盲分离两类方法。语音信号盲分离技术可以应用于嘈杂环境下的噪声抑制、语音压缩编码、语音识别及通信等领域中。它在机器人语音识别、改进语音通信质量、提高语音可懂度、高质量的听力辅助系统以及信息抽取等方面能够发挥重要的作用。因此，近年来由于实际应用的需求使得语音信号盲分离成为了语音信号处理、移动通信和神经网络等领域的研究热点。

语音盲分离作为语音增强中一种有效的前置处理方法，是语音信号处理研究领域中的一个重要问题。例如在语音数字信号处理中，通过话筒接受到的可以是多个说话人混叠在一起的声音，最典型的例子是对多个说话人录下的声音进行处理，通常称为“鸡尾酒会”问题：先通过信号分离得到单个说话者的声音，然后再进行其他处理。通常，我们所要研究的语音信号盲分离问题就是用麦克风阵列或多个麦克风来模仿人的耳朵，采集得到相互干扰的混叠语音信号，然后通过盲源分离算法将混叠的语音信号分离出来，得到我们感兴趣的信号。由于这一过程中说话人的原始语音信号是无法直接测得的，因此该分离过程称为语音信号的盲分离。语音分离技术对计算机听觉、语音识别等方面的研究具有重大意义，同时高质量的地震勘探、语音通信、助听器、电话远程会议系统也都得益于此，因此，语音盲分离的研究具有非常重要的理论价值和应用价值。

本文中,我们尝试ICA 在混合声音信号分离方面的应用研究. 本文主要是利用ICA算法进行混叠语音分离研究：首先将四段语音信号进行混叠，然后通过ICA分离算法进行混叠语音分离，求出混合矩阵和分离矩阵，并且进行听觉评价。 文中我们将详细地讨论其基本思想并给出实验结果.