一种基于改进蝴蝶优化算法的语音信号盲分离方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115035906A(43)申请公布日2022.09.09(21)申请号202210560542.9(22)申请日2022.05.23(71)申请人大连大学地址116622辽宁省大连市经济技术开发区学府大街10号(72)发明人丁元明夏清雨张然彭勃张惠婷(74)专利代理机构大连智高专利事务所(特殊普通合伙)21235专利代理师盖小静(51)Int.Cl.G10L21/0272(2013.01)G10L25/27(2013.01)权利要求书2页说明书4页附图2页(54)发明名称一种基于改进蝴蝶优化算法的语音信号盲分离方法(57)摘要本发明公开了一种基于改进蝴蝶优化算法的语音信号盲分离方法，具体包括：从语音信号中获取源信号，经过非奇异混合矩阵处理得到观测信号；对步所述观测信号进行中心化和白化处理；设定最大迭代次数T，维度空间D，[0,1]之间的随机数r，得到初始种群x，其中每个个体xi的位置对应着一个信号分离矩阵，每个个体xi的适应度值对应其峭度值；根据语音信号盲分离问题的适应度函数获取种群个体对应的信号峭度；更新当前群体最高峭度值和个体最高峭度值；更新种群个体对应的峭度值；在迭代后期，执行种群重启策略；根据Y(t)＝WX(t)输出语音分离信号，实现对混合信号的盲分离；本发明得到的分离信号与源信号相似性较高，提升了接收端的语音信号质量。CN115035906ACN115035906A权利要求书1/2页1.一种基于改进蝴蝶优化算法的语音信号盲分离方法，其特征在于，包括：步骤1：从语音信号中获取源信号S(t)＝[S1(t),S2(t),...,Sn(t)]，经过非奇异混合矩阵A处理后得到观测信号X(t)＝[X1(t),X2(t),...,Xm(t)]，其中Sn(t)是源信号S(t)的第n个分量，Xm(t)是观测信号X(t)的第m个分量，t为采样时间，m和n为正整数，A是m×n阶混合矩阵；步骤2：对所述观测信号X(t)进行中心化和白化处理；步骤3：设定最大迭代次数T，维度空间D，[0,1]之间的随机数r，得到初始种群x，其中每个个体xi的位置对应着一个信号分离矩阵，每个个体xi的适应度值对应其峭度值；步骤4：根据语音信号盲分离问题的适应度函数获取种群个体对应的信号峭度；更新当前群体最高峭度值和个体最高峭度值；步骤5：当随机数r小于生成转换概率p时，种群个体能感知到周围有更高的峭度便朝峭度最高的个体聚集；当随机数r大于等于生成转换概率p时，种群个体未能感知周围有更高的峭度便随机移动；步骤6：在迭代后期，执行种群重启策；步骤7：判断是否达到最大迭代次数，若达到最大迭代次数则输出种群峭度最高的个体对应的分离矩阵W，根据Y(t)＝WX(t)输出语音分离信号，实现对混合信号的盲分离；否则返回步骤4。2.根据权利要求1所述一种基于改进蝴蝶优化算法的语音信号盲分离方法，其特征在于，步骤5中聚集方式为：其中，F是[0,2]之间的实常数，λ为[0,1]之间的随机数，和表示在第t次迭代解空间中的第i、第j和第k只蝴蝶对应的分离矩阵，g是当代种群中最优的分离矩阵，随机数r1的表达式为：3.根据权利要求1所述一种基于改进蝴蝶优化算法的语音信号盲分离方法，其特征在于，步骤5中生成转换概率p的表达式为：其中，e和T分别为当前的和最大的迭代次数，μ为常数2。4.根据权利要求1所述一种基于改进蝴蝶优化算法的语音信号盲分离方法，其特征在于，步骤5中移动方式为：其中，r2是[0,2π]之间的随机数，r3和r4为[0,1]之间的随机数。5.根据权利要求1所述一种基于改进蝴蝶优化算法的语音信号盲分离方法，其特征在于，步骤6中种群重启策略为：引入一个计数器count，设置其初始值为0；在每一轮迭代之2CN115035906A权利要求书2/2页后，如果全局最优分离矩阵g保持不变，则计数增加1；如果全局最优分离矩阵g发生变化，则重置计数器；当计数器count超过0.1*T时，则默认算法优化停滞；采用随机选择方法从原始种群中选择20％的个体，剩余80％的个体将被丢弃，并替换为随机生成的新个体。3CN115035906A说明书1/4页一种基于改进蝴蝶优化算法的语音信号盲分离方法技术领域[0001]本发明涉及信号处理技术领域，具体涉及一种基于改进蝴蝶优化算法的语音信号盲分离方法。背景技术[0002]在采用语音信号进行通信的实际过程中，难免会受到干扰，使得接收端无法得到原始语音信号，各种混合信号使有用信号的传输受到严重影响，从而降低了信号处理系统的质量，因此需要对接收端的混合信号进行处理，使得语音信号质量得到改善。[0003]盲源分离是一种较新的信号处理方法，可在缺乏先验知识如信源和信道的情况下，利用得到的观测信号来恢复源信号。