基于盲信号处理理论的语音增强系统开题报告

1. 研究目的与意义

研究背景目的与意义：

在一个鸡尾酒会现场，如果用安放在不同位置的多个拾音器现场录音，那么所记录的信号实际上是不同声源的混合信号（如不同人的说话声、音乐声以及其它声源的声音）。人们希望从这些混合录音信号中把不同的声源分离出来，这显然不是一件很容易的事，至少用传统的频域滤波方法行不通，因为不同声源信号的频谱相互混叠在一起，无法有效地设计滤波器。我们所面临的困境是：对于每个源信号（这里是声音信号）以及这些源信号是如何混合的一无所知。盲源分离（blind source separation, bss）技术的出现为解决这类问题提供了一种有效的途径。所谓盲源分离，简单来说就是指在信号的理论模型和源信号无法精确获知的情况下,如何从混迭信号(观测信号)中分离出各源信号的过程。“盲”有两重含义：(1)源信号不能被观测；(2)源信号如何混合是未知的。显然,当根据从信源到传感器之间的传输特性很难建立其数学模型、或者关于传输的先验知识无法获得时,盲源分离是一种很自然的选择。如何分离在众多讲话人环境下麦克风所采集的混叠语音信号，是盲源分离研究中的一个重要课题和研究热点。近年来取得很大进展的盲源分离技术为噪声和语音的分离提供了可能，从而使得噪声环境下和众多讲话人情形下的语音识别的实现成为可能，增大了识别算法的鲁棒性和适应能力。除此之外，高质量的语音通信，助听器和远程会议系统都会得益于此项技术。因此，语音信号的盲分离技术研究具有非常重要的理论价值和应用价值。

2. 研究内容和预期目标

本论文的主要研究内容如下：

（1）介绍盲源信号分离问题的背景及研究意义，分析盲源分离技术的国内外研究现状、应用领域。

（2）对盲源分离问题的基本知识和主要算法进行总结，首先，介绍了瞬时盲源分离和卷积盲源分离的数学模型，并对盲源分离问题的基本假设进行分析，为了简化盲源分离问题，又接着介绍了两种常用的盲源分离信号预处理方法。之后介绍了独立元分析方法的一些基础知识，最后对算法进行了仿真研究。

3. 研究的方法与步骤

研究思路：

（1）盲源信号分离有两种数学模型：瞬时混合模型和卷积混合模型，主要介绍

瞬时混合的数学模型，其模型如下图所示：

4. 参考文献

[1] 赵力，语音信号处理，机械工业出版社，2003

[2] 韩纪庆，语音信号处理，清华大学出版社，2005

[3] 王炳锡，语音编码，西安电子科技大学出版社，2002

5. 计划与进度安排

2022年3月2日-2022年3月20日，设定方案。

2022年3月21日-2022年4月25日，进一步理论分析，进行实验，开发相关系统。

2022年4月26日-2022年6月14日，开始写论文，整理数据。